典型文献
民航不文明旅客实体识别方法研究
文献摘要：
针对民航旅客机上接打电话、扰乱其他乘客等各种不循规行为,提出了一种Tag+Bi-LSTM+CRF神经网络模型,可识别出不文明旅客实体信息.考虑到民航文本记录中一条语句中有多个实体,实体出现在句子中的模式可能包含有用的语义信息,将命名实体识别任务中的字符通过BIOES标记方法标记后与词嵌入、位置嵌入串联,以丰富输入表示.首先,利用Yedda工具对民航旅客随机记录文本中的实体进行标注,结合词嵌入、位置嵌入作为模型输入,其次,采用双向长短时记忆网络(Bi-LSTM,bi-directional long short-term memory)模型获取序列文本的上下文特征,然后,通过条件随机场(CRF,conditional random field)模型获得序列标注结果,最后,分别在输入层和Bi-LSTM层添加dropout层,防止数据过拟合.实验结果表明,该模型在民航不文明旅客实体识别中精确率、召回率和F1均高达96％以上,能有效获取不文明旅客行为、等级、处罚、期限等信息.
文献关键词：
命名实体识别;长短时记忆网络(LSTM);条件随机场;不文明旅客
中图分类号：
作者姓名：
曹卫东;徐秀丽
作者机构：
中国民航大学计算机科学与技术学院,天津 300300
文献出处：
引用格式：
[1]曹卫东;徐秀丽-.民航不文明旅客实体识别方法研究)[J].中国民航大学学报,2022(02):24-30
A类：
不文明旅客,旅客机,Tag+Bi,BIOES,Yedda
B类：
实体识别方法,民航旅客,上接,打电话,扰乱,乘客,LSTM+CRF,实体信息,语句,句子,语义信息,命名实体识别,字符,词嵌入,位置嵌入,录文,模型输入,双向长短时记忆网络,bi,directional,long,short,term,memory,上下文特征,条件随机场,conditional,random,field,序列标注,输入层,dropout,过拟合,精确率,召回率,处罚,期限
AB值：
0.287975
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。
