共 14 条
- [5] 基于深度学习的中文微博命名实体识别[J]. 刘玉娇,琚生根,李若晨,金玉. 四川大学学报(工程科学版). 2016(S2)
- [9] 基于深度学习的中文实体关系抽取方法研究[D]. 唐敏.西南交通大学. 2018
- [10] 基于古文学的命名实体识别的研究与实现[D]. 谢韬.北京邮电大学. 2018
数字人文下的典籍深度学习实体自动识别模型构建及应用研究
被引：25
作者：
杜悦
[1
]
王东波
[1
]
江川
[1
]
徐润华
[2
]
李斌
[3
]
许超
[3
]
徐晨飞
[4
]
机构：
[1] 不详
[2] 南京农业大学信息科学技术学院
[3] 不详
[4] 金陵科技学院人文学院
[5] 南京师范大学文学院
[6] 南通大学经济与管理学院
[7] 不详
来源：
关键词：
数字人文;
深度学习;
命名实体识别;
先秦典籍;
D O I：
10.13266/j.issn.0252-3116.2021.03.013
中图分类号：
I206.2 [古代文学（~1840年）];
TP18 [人工智能理论];
TP391.1 [文字信息处理];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
[目的/意义]典籍是我国传统文化、思想和智慧的载体,结合数字人文的数据获取、标注和分析方法对典籍进行实体自动识别,对于后续应用研究具有重要意义。[方法/过程]基于经过自动分词与人工标注的25本先秦典籍构建古籍语料库,分别基于不同规模的语料库和Bi-LSTM、Bi-LSTM-Attention、Bi-LSTM-CRF、Bi-LSTM-CRF-Attention、Bi-RNN和Bi-RNN-CRF、BERT等7种深度学习模型,从中抽取构成历史事件的相应实体并进行效果对比。[结果/结论]在全部语料上训练得到的Bi-LSTM-Attention与Bi-RNN-CRF模型的准确率分别达到89.79%和89.33%,证实了深度学习应用于大规模文本数据集的可行性。
引用
收藏
页码：100 / 108
页数：9
相关论文