基于BiLSTM-CRF的商情实体识别模型

被引：39

作者：

张应成 ^{[1
]}

杨洋 ^{[2
]}

蒋瑞 ^{[3
,4
]}

全兵 ^{[5
]}

张利君 ^{[3
]}

任晓雷 ^{[6
]}

机构：

[1] 四川大学计算机学院

[2] 四川省计算机研究院

[3] 成都瑞贝英特信息技术有限公司

[4] 四川智仟科技有限公司

[5] 中移(苏州)软件技术有限公司

[6] 四川黑马数码科技有限公司

来源：

计算机工程 | 2019年 / 45卷 / 05期

关键词：

条件随机场; 双向长短时记忆网络; 语言模型; 命名实体识别; 深度学习;

D O I：

10.19678/j.issn.1000-3428.0052810

中图分类号：

TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

结合语言模型条件随机场(CRF)和双向长短时记忆(BiLSTM)网络,构建一种BiLSTM-CRF模型,以提取商情文本序列中的招标人、招标代理以及招标编号3类实体信息。将规范化后的招标文本序列按字进行向量化,利用BiLSTM神经网络获取序列化文本的前向、后向文本特征,并通过CRF提取出双向本文特征中相应的实体。实验结果表明,与传统机器学习算法CRF相比,该模型3类实体的精确率、召回率和F1值平均提升15.21%、12.06%和13.70%。

引用

页码：308 / 314

页数：7

共 5 条

[1]

Minimal Gated Unit for Recurrent Neural Networks[J]. Guo-Bing Zhou,Jianxin Wu,Chen-Lin Zhang,Zhi-Hua Zhou.International Journal of Automation and Computing. 2016(03)

[2] 大数据分析的无限深度神经网络方法 [J].

张蕾 ;

章毅 .

计算机研究与发展, 2016, (01) :68-79

[3] Modeling and solving the mixed capacitated general routing problem [J].

Bosco, Adamo ;

Lagana, Demetrio ;

Musmanno, Roberto ;

Vocaturo, Francesca .

OPTIMIZATION LETTERS, 2013, 7 (07) :1451-1469

[4]

Framewise phoneme classification with bidirectional LSTM and other neural network architectures[J] . Alex Graves,Jürgen Schmidhuber.Neural Networks . 2005 (5)

[5] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

← 1 →