基于BERT的高校图书馆微信信息服务的命名实体识别方法

[目的/意义]微信服务推文信息的命名实体识别是高校图书馆智慧服务领域的重要研究方向。在目前微信服务推文的命名实体识别领域中,存在高校图书馆微信服务领域的实体名称多样、特征信息提取不明确等问题。[方法/过程]针对以上问题,本文通过挖掘高校图书馆服务领域的微信服务推文文本,采用现有知识库和词典规则扩充句子语义信息,并在领域专家的指导下构建了一种高校图书馆微信服务推文文本的命名实体语料集ULICNER,实验数据集包含36035条文本语料数据,7大类16个小类。采用基于BERT-BiLSTM-CRF的模型研究高校图书馆微信推文文本的命名实体识别方法。该模型利用BERT网络将大规模文本生成具有语义特征的字符向量,接着对输入文本序列通过BiLSTM获取文本特征,最后连接CRF获得最佳的序列标记输出。[结果/结论]实验结果表明,本文模型在构建的数据集上取得良好的效果,其F1值为98.75%,准确率值为98.59%,召回率值为98.91%,模型可以运用于高校图书馆信息服务的实体识别任务。

采用多目标粒子群算法的本体元匹配方法

为了解决本体之间存在的异构问题,提出一种本体元匹配方法来确定不同本体中实体之间的对应关系.首先设计两个本体匹配结果质量的近似度量方法,并在此基础上构建本体匹配问题的多目标优化模型,最后提出一种多目标粒子群算法以求解该问题并优化本体匹配结果的质量.采用国际本体匹配竞赛提供的benchmark测试集,来测试基于多目标粒子群算法的本体元匹配方法的性能.实验结果表明:提出的方法在查全率和查准率两个指标上均优于国际本体匹配竞赛的其他参与者.