典型文献
基于多核卷积神经网络(BERT+Multi-CNN+CRF)的水产医学嵌套命名实体识别
文献摘要：
为解决水产医学命名实体识别中存在的嵌套实体识别准确率不高的问题,提出一种基于多核卷积的命名实体识别模型(BERT+Multi-CNN+CRF),采用多核卷积神经网络提取嵌套实体特征,通过BERT(bidirectional encoder representations from transformers)方法对输入语料进行预训练,丰富嵌套实体位置向量信息,获得嵌套实体输入特征矩阵,将提取特征矩阵与输入特征矩阵融合,以增强嵌套实体的特征表示,并进行不同模型的对比试验.结果表明,本文中提出的BERT+Multi-CNN+CRF模型,在水产医学嵌套命名实体识别任务中的准确率、召回率和F1值分别为88.04％、88.92％和88.48％,与识别准确率较高的BERT+BiLSTM+ATT+CRF模型相比,分别提高了2.25％、3.23％和2.74％.研究表明,本文中提出的BERT+Multi-CNN+CRF模型可有效解决水产医学嵌套实体识别准确率不高的问题,是一种有效的水产医学嵌套命名实体识别方法.
文献关键词：
水产医学;BERT;嵌套命名实体识别;卷积神经网络;多卷积核
中图分类号：
作者姓名：
刘巨升;于红;杨惠宁;邵立铭;宋奇书;李光宇;张思佳;孙华
作者机构：
大连海洋大学 信息工程学院,辽宁省海洋信息技术重点实验室,辽宁 大连116023;设施渔业教育部重点实验室 (大连海洋大学) ,辽宁 大连116023
文献出处：
引用格式：
[1]刘巨升;于红;杨惠宁;邵立铭;宋奇书;李光宇;张思佳;孙华-.基于多核卷积神经网络(BERT+Multi-CNN+CRF)的水产医学嵌套命名实体识别)[J].大连海洋大学学报,2022(03):524-530
A类：
BERT+Multi,CNN+CRF,水产医学,BERT+BiLSTM+ATT+CRF
B类：
多核,嵌套命名实体识别,嵌套实体识别,识别准确率,识别模型,实体特征,bidirectional,encoder,representations,from,transformers,语料,预训练,输入特征,特征矩阵,提取特征,特征表示,召回率,实体识别方法,多卷积核
AB值：
0.151054
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
