典型文献
基于BERT-BiLSTM-CRF模型的电子目标图谱实体抽取方法
文献摘要：
针对电子目标情报数据种类繁多、关联关系复杂,电子目标图谱存在实体抽取混乱、语义容易发生歧义等问题,将BiLSTM-CRF模型和BERT模型相结合,提出了一种电子目标图谱实体抽取方法.该方法将BERT模型中训练的词向量传递给BiLSTM模型中做特征;然后在CRF模型中得到全局序列排列,实现电子目标图谱的实体抽取.实验结果表明,与Word2Vec和BERT不同字嵌入相比,BERT的字嵌入平均识别率提高3.22％;与BiL-STM、CRF、BiLSTM等不同模型层次相比,BERT-BiLSTM-CRF的平均识别率比其他3种模型最好的平均值还要高2.99％,说明该方法能够进一步提高电子目标相关命名实体识别的效果.
文献关键词：
知识图谱;知识抽取;电子目标;BiLSTM-CRF模型
中图分类号：
作者姓名：
付美玲;薛磊;徐英
作者机构：
国防科技大学电子对抗学院,合肥230037;61716部队,福州350001
文献出处：
引用格式：
[1]付美玲;薛磊;徐英-.基于BERT-BiLSTM-CRF模型的电子目标图谱实体抽取方法)[J].空天预警研究学报,2022(03):206-210,216
A类：
电子目标
B类：
BERT,BiLSTM,CRF,标图,实体抽取,情报数据,关联关系,歧义,词向量,量传,递给,Word2Vec,字嵌入,识别率,次相,目标相关,命名实体识别,知识抽取
AB值：
0.194204
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。
