典型文献
结合双层多头自注意力和BiLSTM-CRF的军事武器实体识别
文献摘要：
军事武器实体识别是军事领域本体构建的一项重要任务,基于深度学习方法实现自动军事武器实体识别能够提升军事情报信息检索的效率.为提升军事武器实体识别的精确率,面向网络公开非结构化军事新闻数据,提出了一种结合双层多头自注意力机制和BiLSTM-CRF模型的武器实体识别方法.在BiLSTM-CRF模型的基础上,采用双层自注意力机制,分别在嵌入层提取重要输入特征以及BiLSTM层提取关键字符信息,并结合军事武器实体构词特点,建立正则匹配模板对识别结果进行校正.构建了包含1196条数据的军事武器数据集,测试结果表明,提出方法的精确率、 召回率和F1值分别为0.9293,0.9301和0.9297,相比于经典深度学习模型的最优结果,在精确率、 召回率以及F1值上分别提升了1.15％,0.97％和0.97％.
文献关键词：
武器实体识别;双层多头自注意力;BiLSTM-CRF;校正
中图分类号：
作者姓名：
俞海亮;彭冬亮;谷雨
作者机构：
杭州电子科技大学圣光机联合学院, 浙江杭州 310018;杭州电子科技大学自动化学院, 浙江杭州 310018
文献出处：
引用格式：
[1]俞海亮;彭冬亮;谷雨-.结合双层多头自注意力和BiLSTM-CRF的军事武器实体识别)[J].无线电工程,2022(05):775-782
A类：
双层多头自注意力,武器实体识别
B类：
BiLSTM,CRF,军事领域,领域本体,本体构建,深度学习方法,军事情报,情报信息,信息检索,精确率,非结构化,化军,新闻数据,多头自注意力机制,实体识别方法,嵌入层,输入特征,关键字,字符,构词特点,正则,配模,条数据,召回率,深度学习模型
AB值：
0.246467
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。
