基于双向LSTM的军事命名实体识别

被引：21

作者：

李健龙

王盼卿

韩琪羽

机构：

[1] 陆军工程大学石家庄校区装备模拟训练中心

来源：

计算机工程与科学 | 2019年 / 41卷 / 04期

关键词：

命名实体识别; 长短时记忆递归神经网络; 注意力机制;

D O I：

暂无

中图分类号：

E11 [军事建设与战备]; TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];

学科分类号：

11 ; 081203 ; 0835 ; 081104 ; 0812 ; 1405 ;

摘要：

为了减少传统的命名实体识别需要人工制定特征的大量工作,通过无监督训练获得军事领域语料的分布式向量表示,采用双向LSTM递归神经网络模型解决军事领域命名实体的识别问题,并且通过添加字词结合的输入向量和注意力机制对双向LSTM递归神经网络模型进行扩展和改进,进而提高军事领域命名实体识别。实验结果表明,提出的方法能够完成军事领域命名实体的识别,并且在测试集语料上的F-值达到了87.38%。

引用

页码：713 / 718

页数：6

共 3 条

[1]

Named Entity Recognition in Chinese Clinical Text Using Deep Neural Network[J] . Indra Neil Sarkar,Andrew Georgiou,Paulo Mazzoncini de Azevedo Marques,Yonghui Wu,Min Jiang,Jianbo Lei,Hua Xu.Studies in Health Technology and Informatics . 2015

[2]

Product named entity recognition for Chinese query questions based on a skip-chain CRF model[J] . Zhifeng Hao,Hongfei Wang,Ruichu Cai,Wen Wen.Neural Computing and Applications . 2013 (2)

[3] Two-phase biomedical named entity recognition using CRFs [J].

Li, Lishuang ;

Zhou, Rongpeng ;

Huang, Degen .

COMPUTATIONAL BIOLOGY AND CHEMISTRY, 2009, 33 (04) :334-338

← 1 →