典型文献
面向低资源命名实体识别的BiLSTM-Att-BCRF模型
文献摘要：
在低资源场景下,由于受训练数据量少的限制,现有模型的参数不能拟合到预期效果,所以导致模型识别实体的性能不佳.该文提出一种融入伯努利分布(Bernoulli distribution)的新型损失函数,使模型能较好拟合数据.此外,该文在BiLSTM-CRF模型基础上融合多层字符特征信息和自注意力机制,并结合基于伯努利分布的新型损失函数,构建了 BiLSTM-Att-BCRF模型.BiLSTM-Att-BCRF模型在20％的CON-LL2003和20％的BC5CDR的数据集上,F1 值在BiLSTM-CRF模型基础上分别提升了 7.00％和4.08％,能较好地适应低资源命名实体识别任务.
文献关键词：
低资源命名实体识别;神经网络;伯努利分布;自注意力机制
中图分类号：
作者姓名：
钟茂生;吴佳华;罗玮;吴水秀
作者机构：
江西师范大学计算机信息工程学院,江西南昌 30022
文献出处：
引用格式：
[1]钟茂生;吴佳华;罗玮;吴水秀-.面向低资源命名实体识别的BiLSTM-Att-BCRF模型)[J].江西师范大学学报（自然科学版）,2022(05):460-467
A类：
低资源命名实体识别,BCRF,LL2003,BC5CDR
B类：
BiLSTM,Att,受训,训练数据,数据量,现有模型,合到,预期效果,模型识别,伯努利分布,Bernoulli,distribution,损失函数,字符,特征信息,自注意力机制,CON
AB值：
0.185892
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。
