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
2
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GeoERNIE-BiLSTM-Attention-CRF模型的地质命名实体识别
被引量:
2
1
作者
王刘坤
李功权
《地质科学》
CAS
CSCD
北大核心
2023年第3期1164-1177,共14页
构建地质知识图谱对深化现有地质数据分析和推进地质大数据的构建至关重要。地质命名实体识别作为构建地质知识图谱的核心技术,仍然面临着地质命名实体不断被引入、符号分隔的命名实体、同一实体表达形式不同等挑战。针对上述问题,本文...
构建地质知识图谱对深化现有地质数据分析和推进地质大数据的构建至关重要。地质命名实体识别作为构建地质知识图谱的核心技术,仍然面临着地质命名实体不断被引入、符号分隔的命名实体、同一实体表达形式不同等挑战。针对上述问题,本文提出了GeoERNIE-BiLSTM-Attention-CRF的地质领域命名实体识别模型,其中预训练模型GeoERNIE学习了地质领域的先验语义知识,并结合自定义地质领域主体词表对复杂命名实体进行准确分词,能够提升模型整体性能和地质命名实体未登录词以及复杂实体的识别效果。然后通过BiLSTM充分学习地质实体上下文语义信息来帮助对命名形式多样的地质命名实体进行识别,接着引入Attention机制对地质实体相关语义增加特征权重,最后由CRF层输出最佳实体标注结果。本文以测试集数据对模型性能进行了评估,模型的准确率、精确率、召回率和F1值分别达到了96.35%、96.90%、96.87%和96.95%。实验表明相比其他模型,本文模型在地质命名实体识别方面效果更优,能有效识别符号分隔和同一实体表达形式不同等复杂地质命名实体。
展开更多
关键词
知识图谱
地质
领域
地质命名实体识别
GeoERNIE模型
下载PDF
职称材料
区域地质调查文本中文命名实体识别
被引量:
3
2
作者
邱芹军
田苗
+4 位作者
马凯
谢忠
金相国
段雨希
陶留锋
《地质论评》
CAS
CSCD
北大核心
2023年第4期1423-1433,共11页
作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础。笔者等在阐述地质命名实体识别任务基础上,分析...
作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础。笔者等在阐述地质命名实体识别任务基础上,分析地质实体不仅包含大量专业术语,还存在实体嵌套、大量长实体等领域特性,进一步增加了地质命名实体识别难度。笔者等提出一种基于轻量级预训练模型(ALBERT)—双向长短时记忆网络(BiLSTM)—条件随机场(CRF)模型的地质命名实体识别方法。首先利用ALBERT对输入字符上下文特征进行建模,并采用BiLSTM对其进行进一步上下文特征表征,最后采用CRF实现标注序列预测。实验结果表明,在构建的地质命名实体识别数据集上,相比于主流的命名实体识别模型算法,本文所提出的方法具有更好的抽取性能,提出的命名实体识别模型能为领域实体识别提供借鉴,同时为地学领域实体关系抽取和地学知识图谱构建提供有力方法支撑。
展开更多
关键词
地质命名实体识别
轻量级预训练模型
ALBERT
知识图谱
地质
报告
下载PDF
职称材料
题名
基于GeoERNIE-BiLSTM-Attention-CRF模型的地质命名实体识别
被引量:
2
1
作者
王刘坤
李功权
机构
长江大学地球科学学院
出处
《地质科学》
CAS
CSCD
北大核心
2023年第3期1164-1177,共14页
基金
国家自然科学基金青年项目(编号:42002147)资助。
文摘
构建地质知识图谱对深化现有地质数据分析和推进地质大数据的构建至关重要。地质命名实体识别作为构建地质知识图谱的核心技术,仍然面临着地质命名实体不断被引入、符号分隔的命名实体、同一实体表达形式不同等挑战。针对上述问题,本文提出了GeoERNIE-BiLSTM-Attention-CRF的地质领域命名实体识别模型,其中预训练模型GeoERNIE学习了地质领域的先验语义知识,并结合自定义地质领域主体词表对复杂命名实体进行准确分词,能够提升模型整体性能和地质命名实体未登录词以及复杂实体的识别效果。然后通过BiLSTM充分学习地质实体上下文语义信息来帮助对命名形式多样的地质命名实体进行识别,接着引入Attention机制对地质实体相关语义增加特征权重,最后由CRF层输出最佳实体标注结果。本文以测试集数据对模型性能进行了评估,模型的准确率、精确率、召回率和F1值分别达到了96.35%、96.90%、96.87%和96.95%。实验表明相比其他模型,本文模型在地质命名实体识别方面效果更优,能有效识别符号分隔和同一实体表达形式不同等复杂地质命名实体。
关键词
知识图谱
地质
领域
地质命名实体识别
GeoERNIE模型
Keywords
Knowledge graph
Geological field
Geological name entity recognition
GeoERNIE Model
分类号
P628.4 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
区域地质调查文本中文命名实体识别
被引量:
3
2
作者
邱芹军
田苗
马凯
谢忠
金相国
段雨希
陶留锋
机构
中国地质大学(武汉)计算机学院
中国地质大学(武汉)地理信息系统国家地方联合工程实验室
湖北省水电工程智能视觉监测重点实验室
三峡大学计算机与信息学院
中国地质大学(武汉)国家地理信息系统工程技术研究中心
出处
《地质论评》
CAS
CSCD
北大核心
2023年第4期1423-1433,共11页
基金
国家重点研发计划(编号:2022YFF0711601)
国家自然科学基金资助项目(编号:42050101)
中国博士后科学基金资助项目(编号:2021M702991)的成果~。
文摘
作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础。笔者等在阐述地质命名实体识别任务基础上,分析地质实体不仅包含大量专业术语,还存在实体嵌套、大量长实体等领域特性,进一步增加了地质命名实体识别难度。笔者等提出一种基于轻量级预训练模型(ALBERT)—双向长短时记忆网络(BiLSTM)—条件随机场(CRF)模型的地质命名实体识别方法。首先利用ALBERT对输入字符上下文特征进行建模,并采用BiLSTM对其进行进一步上下文特征表征,最后采用CRF实现标注序列预测。实验结果表明,在构建的地质命名实体识别数据集上,相比于主流的命名实体识别模型算法,本文所提出的方法具有更好的抽取性能,提出的命名实体识别模型能为领域实体识别提供借鉴,同时为地学领域实体关系抽取和地学知识图谱构建提供有力方法支撑。
关键词
地质命名实体识别
轻量级预训练模型
ALBERT
知识图谱
地质
报告
Keywords
Geological named entity recognition
ALBERT pre-trained models
knowledge graph
regional geological survey
分类号
P622 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GeoERNIE-BiLSTM-Attention-CRF模型的地质命名实体识别
王刘坤
李功权
《地质科学》
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
2
区域地质调查文本中文命名实体识别
邱芹军
田苗
马凯
谢忠
金相国
段雨希
陶留锋
《地质论评》
CAS
CSCD
北大核心
2023
3
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