典型文献
基于深度学习的警情记录关键信息自动抽取
文献摘要：
随着智慧警务的兴起,民众报警渠道拓宽,非结构化警情激增,警情实体识别难度增大.针对这一业务痛点,引入BERT模型获取词向量,融合自注意力机制来捕获文字之间的长距离依赖关系,并构建BERT-BiGRU-SelfAtt-CRF警情实体识别模型.为了验证模型的性能和泛化能力,在公开数据集上进行了实验.为了验证模型在警情领域的可行性和效率,在构建的警情数据集上进行了实验.实验结果表明,提出的模型在警情数据集上的精确率达到了82.45％,召回率达到了79.03％,F1值达到了80.72％,优于其他模型.可见,提出的模型可以满足实际公安工作需要,是可行、有效的.
文献关键词：
深度学习;预训练语言模型;自注意力机制;警情实体识别
中图分类号：
作者姓名：
崔雨萌;王靖亚;闫尚义;陶知众
作者机构：
中国人民公安大学信息网络安全学院,北京 100038
文献出处：
引用格式：
[1]崔雨萌;王靖亚;闫尚义;陶知众-.基于深度学习的警情记录关键信息自动抽取)[J].大数据,2022(06):127-142
A类：
警情实体识别,SelfAtt
B类：
关键信息,自动抽取,智慧警务,非结构化,激增,一业,BERT,取词,词向量,自注意力机制,长距离依赖,依赖关系,BiGRU,CRF,识别模型,验证模型,泛化能力,公开数据集,精确率,召回率,公安工作,预训练语言模型
AB值：
0.357679
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。
