资料下载
×
基于神经网络的中文命名实体识别方法
消耗积分:0 |
格式:pdf |
大小:未知 |
2021-06-03
分享资料个
在基于神经网络的中文命名实体识别过程中，字的向量化表示是重要步骤，而传统的词向量表示方法只是将字映射为单一向量，无法表征字的多义性。针对该问题，通过嵌入BERT预训练语言模型，构建BERT- BIRU-CRF模型用于表征语句特征。利用具有双向 Tran former结构的BERT预训练语言模型增强字的语义表示，根据其上下文动态生成语义向量。在此基础上，将宇向量序列输人 BIRU-CRF模型中进行训练，包括训练整个模型和固定BERT只训练 BIGRU-CRF2种方式。在MSRA语料上的实验结果表明，该模型2种训练方式的F1值分别达到95.43%和94.18%，优于 BIRU-CRF、 Radical- BILSTM-CRF和 Lattice-lstm-crf模型。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
