基于BERT嵌入BiLSTM-CRF模型的中文专业术语抽取研究

专业术语的识别与自动抽取对于提升专业信息检索精度,构建领域知识图谱发挥着重要基础性作用。为进一步提升中文专业术语识别的精确率和召回率,提出一种端到端的不依赖人工特征选择和领域知识,基于谷歌BERT预训练语言模型及中文预训练字嵌入向量,融合BiLSTM和CRF的中文专业术语抽取模型。以自建的1278条深度学习语料数据为实验对象,该模型对术语提取的F1值为92.96%,相对于传统的浅层机器学习模型(如左右熵与互信息算法、word2vec相似词算法等)和BiLSTM-CRF深度神经网络模型的性能有较为显著的提升。本文也给出了模型应用的具体流程,能够为中文专业术语库的构建提供实践指南。

基于产教融合的“人工智能商业应用实践”课程教改研究

人工智能技术与产业的快速发展急需跨学科、高技能的复合型人才,以招聘市场需求为导向,充分考虑高校与企业在理论、工具、框架和应用方面的各自专长,提出产教融合的研究生“人工智能商业实践”创新课程教改思路,从校企共创式课程设计和校企联合式课程教学两维度阐述教改实施过程,最后给出课程体系建设建议。