结合双层多头自注意力和BiLSTM-CRF的军事武器实体识别

军事武器实体识别是军事领域本体构建的一项重要任务,基于深度学习方法实现自动军事武器实体识别能够提升军事情报信息检索的效率。为提升军事武器实体识别的精确率,面向网络公开非结构化军事新闻数据,提出了一种结合双层多头自注意力机制和BiLSTM-CRF模型的武器实体识别方法。在BiLSTM-CRF模型的基础上,采用双层自注意力机制,分别在嵌入层提取重要输入特征以及BiLSTM层提取关键字符信息,并结合军事武器实体构词特点,建立正则匹配模板对识别结果进行校正。构建了包含1196条数据的军事武器数据集,测试结果表明,提出方法的精确率、召回率和F1值分别为0.9293,0.9301和0.9297,相比于经典深度学习模型的最优结果,在精确率、召回率以及F1值上分别提升了1.15%,0.97%和0.97%。