典型文献
隐马尔可夫模型的优化及其用于多文本实体识别
文献摘要：
针对传统HMM模型存在的上下文信息获取困难、未登录词无法处理等问题,本文提出一种优化的HMM模型.优化后的模型充分考虑了上下文的语义联系和依赖关系,采用Bi-gram指数线性插值算法,消除零概率事件,并对未登录词进行处理.使用改进的Viterbi算法求解最可能的状态序列并输出结果,提高模型的识别效果.使用简历数据集和CCKS2017电子病历数据集进行模型对比验证,实验结果表明,优化的HMM模型的实体识别效果优于传统的HMM模型,在CCKS2017电子病历数据集中的准确率和F1值分别达到91.61％和91.21％,提升了15.84％和11.78％;在简历数据集中的准确率和F1值分别达到91.29％和91.07％,提升了8.67％和6.88％.
文献关键词：
HMM模型;优化;实体识别
中图分类号：
作者姓名：
沈同平;金力;黄方亮;许欢庆
作者机构：
安徽中医药大学医药信息工程学院,安徽合肥230012
文献出处：
引用格式：
[1]沈同平;金力;黄方亮;许欢庆-.隐马尔可夫模型的优化及其用于多文本实体识别)[J].安庆师范大学学报（自然科学版）,2022(02):31-35
A类：
B类：
隐马尔可夫模型,模型的优化,多文本,实体识别,HMM,上下文信息,信息获取,未登录词,依赖关系,Bi,gram,指数线,线性插值,插值算法,Viterbi,输出结果,简历数据,CCKS2017,电子病历,模型对比,对比验证
AB值：
0.367035
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。
