期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于循环和卷积神经网络融合的中文命名实体识别与应用
被引量:
1
1
作者
汪小龙
吴曲宁
范佳佳
《兰州工业学院学报》
2021年第3期77-82,共6页
针对中文命名实体识别中循环神经网络不能很好地处理长序列问题,以及用单一向量去表征汉字时,由于汉字存在多义性而导致识别结果不佳的问题,提出一种识别效果更好的方法——BLDC-NER模型.首先利用BERT(Bidirectional Encoder Representa...
针对中文命名实体识别中循环神经网络不能很好地处理长序列问题,以及用单一向量去表征汉字时,由于汉字存在多义性而导致识别结果不佳的问题,提出一种识别效果更好的方法——BLDC-NER模型.首先利用BERT(Bidirectional Encoder Representations from Transformers)预训练模型根据字的上下文语境生成字的动态语义向量,然后将字向量序列分别通过双向长短时记忆网络层和膨胀卷积层进行语义编码,融合2个网络层输出的语义向量,经过条件随机场得到最终结果.试验结果表明:BLDC-NER模型在训练过程中比单一循环神经网络收敛速度更快,识别效果更好,在MSRA、RESUME公开数据集上的F 1值分别达到了94.78%、95.68%;另外,将BLDC-NER模型应用在建筑施工安全事故领域,在自制的数据集上F 1值为95.24%.
展开更多
关键词
中文命名实体识别
BERT模型
双向长短时神经网络
膨胀卷积神经网络
建筑施工安全
下载PDF
职称材料
题名
基于循环和卷积神经网络融合的中文命名实体识别与应用
被引量:
1
1
作者
汪小龙
吴曲宁
范佳佳
机构
安徽建筑大学机械与电气工程学院
安徽建筑大学电子与信息工程学院
出处
《兰州工业学院学报》
2021年第3期77-82,共6页
文摘
针对中文命名实体识别中循环神经网络不能很好地处理长序列问题,以及用单一向量去表征汉字时,由于汉字存在多义性而导致识别结果不佳的问题,提出一种识别效果更好的方法——BLDC-NER模型.首先利用BERT(Bidirectional Encoder Representations from Transformers)预训练模型根据字的上下文语境生成字的动态语义向量,然后将字向量序列分别通过双向长短时记忆网络层和膨胀卷积层进行语义编码,融合2个网络层输出的语义向量,经过条件随机场得到最终结果.试验结果表明:BLDC-NER模型在训练过程中比单一循环神经网络收敛速度更快,识别效果更好,在MSRA、RESUME公开数据集上的F 1值分别达到了94.78%、95.68%;另外,将BLDC-NER模型应用在建筑施工安全事故领域,在自制的数据集上F 1值为95.24%.
关键词
中文命名实体识别
BERT模型
双向长短时神经网络
膨胀卷积神经网络
建筑施工安全
Keywords
Chinese named entity recognition
BERT model
bi-directional long short-term memory networks
dilated convolutional neural network
construction safety
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于循环和卷积神经网络融合的中文命名实体识别与应用
汪小龙
吴曲宁
范佳佳
《兰州工业学院学报》
2021
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部