典型文献
机场不正常事件实体检测与识别方法研究
文献摘要：
民航安全自愿报告系统收集的海量故障报告以非结构化文本形式存储,不便于相关人员针对大量不正常事件加以分析并采取控制措施;命名实体识别技术可以将海量非结构化文本中的关键要素进行检测和识别,抽取成类别分明的结构化信息,作为进一步分析不正常事件并加以控制的基础工作;将机场不正常事件报告作为研究对象,提出了一种基于神经网络的中文命名实体识别模型,对文本进行了结构化处理;针对随机选用的训练样本一些实体类别分布比较稀疏和人工标注费时费力的问题,提出了基于模型预测分数的样本选择策略,实现了预标注样本的高效筛选;经过实验验证,该模型与BiLSTM_CRF模型、BiLSTM_self-attention_CRF模型相比F1值均提高了约6个百分点,该样本选择策略明显提高了人工标注效率,筛选出足够多的含有稀疏实体的样本.
文献关键词：
命名实体识别;多尺度注意力;样本选择策略;双向长短时记忆网络;条件随机场
中图分类号：
作者姓名：
侯启真;袁天一;王罗平
作者机构：
中国民航大学电子信息与自动化学院,天津 300300
文献出处：
引用格式：
[1]侯启真;袁天一;王罗平-.机场不正常事件实体检测与识别方法研究)[J].计算机测量与控制,2022(07):62-69
A类：
B类：
常事,实体检测,检测与识别,民航安全,报告系统,统收,故障报告,非结构化,结构化文本,文本形式,加以分析,检测和识别,结构化信息,加以控制,基础工作,事件报告,中文命名实体识别,识别模型,结构化处理,训练样本,实体类别,费时费力,基于模型,样本选择策略,高效筛选,BiLSTM,CRF,self,attention,百分点,多尺度注意力,双向长短时记忆网络,条件随机场
AB值：
0.316816
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。
