典型文献
基于笔画ELMo嵌入IDCNN-CRF模型的企业风险领域实体抽取研究
文献摘要：
[目的]有效学习风险领域文本特征和上下文语义关联性,提升企业风险领域实体抽取的性能.[方法]提出基于笔画ELMo嵌入IDCNN-CRF的企业风险领域实体抽取模型.使用双向语言模型预训练大规模非结构化的企业风险领域数据得到的笔画ELMo向量作为输入特征;将其送入IDCNN网络进行训练,运用CRF对IDCNN的输出层进行处理,获得全局最优的企业风险领域实体序列标注.[结果]模型对企业风险领域实体抽取的F值为91.9％,相对于BiLSTM-CRF模型的抽取性能提升了 2.0％,且测试速度快2.36倍.[局限]未考虑本模型扩展于更多领域实体抽取任务的普适性.[结论]本文模型能够为企业风险领域实体语料库构建提供参考借鉴.
文献关键词：
笔画ELMo;迭代膨胀卷积神经网络;条件随机场;实体抽取;风险领域实体
中图分类号：
作者姓名：
杨美芳;杨波
作者机构：
江西财经大学信息管理学院 南昌330013;江西财经大学信息资源管理研究所 南昌330013
文献出处：
引用格式：
[1]杨美芳;杨波-.基于笔画ELMo嵌入IDCNN-CRF模型的企业风险领域实体抽取研究)[J].数据分析与知识发现,2022(09):86-99
A类：
风险领域实体
B类：
笔画,ELMo,IDCNN,CRF,企业风险,实体抽取,有效学习,文本特征,上下文语义,语义关联性,取模,双向语言模型,预训练,非结构化,输入特征,送入,出层,层进,全局最优,序列标注,BiLSTM,性能提升,测试速度,语料库构建,迭代膨胀卷积神经网络,条件随机场
AB值：
0.288296
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。
