基于深度学习的作战文书命名实体识别

随着深度学习技术的不断发展,基于双向长短期记忆网络和条件随机场的神经网络模型被广泛应用到作战文书以及军事命名实体识别的研究中。提出了一种基于CNN-BiLSTM-CRF的作战文书命名实体识别方法,首先利用卷积神经网络(CNN)提取字符级特征向量,而后与词向量、词性特征向量进行拼接作为输入,从而达到提高识别率的目的。同时,分析命名实体在不同分类标注情况下,对模型性能所产生的影响,并提出一种针对作战文书命名实体识别的细分类标注策略。实验结果证明,该模型相对于其他方法表现出了更好的性能,且细分类的标注体系对于特征表达有一定的帮助。