摘要
命名实体识别是自然语言处理的基本任务之一。针对金融新闻领域中传统模型识别效果一般的问题,本文提出了一种基于迁移语料库训练的ELMo-BiLSTM-CRF模型的方法。实验通过对金融新闻数据集进行标注和分词等处理,使用迁移训练的ELMo模型进行词向量生成,BiLSTM模型提取文本特征,最后利用条件随机场(CRF)对文本特征进行分类。与其他传统模型相比,该方法在实体识别的精准率、召回率和F1值上均有显著提升。
出处
《电脑知识与技术》
2024年第18期4-6,共3页
Computer Knowledge and Technology
基金
国家自然科学基金(72274138)。
