典型文献
采用BERT-BiLSTM-CRF模型的中文位置语义解析
文献摘要:
针对利用当前神经网络模型进行中文位置语义解析存在多义词解析效果差、泛化能力差等问题,提出一种基于BERT-BiLSTM-CRF模型的中文位置语义解析方法.首先利用BERT预训练模型对中文位置信息进行预训练,获取所有层中的上下文信息,增强中文位置信息的语义表征能力,然后通过BiLSTM模型提取向量特征信息,最后通过CRF模型进行解码,获取全局最优标注序列.实验结果表明,在不同数量和区域的中文位置信息数据集基础上,BERT-BiLSTM-CRF模型在所有测试集上分词准确率与F1值都优于目前常用的神经网络模型,最高分别可达到93.91%和93.96%.利用BERT-BiLSTM-CRF模型对中文位置信息进行语义解析,不仅有效提高了中文位置信息解析与多义词解析的准确率,而且具有更好的泛化能力.
文献关键词:
中文位置语义解析;BERT预训练模型;BiLSTM模型;CRF模型
中图分类号:
作者姓名:
邓庆康;李晓林
作者机构:
武汉工程大学计算机科学与工程学院;智能机器人湖北省重点实验室,湖北武汉430205
文献出处:
引用格式:
[1]邓庆康;李晓林-.采用BERT-BiLSTM-CRF模型的中文位置语义解析)[J].软件导刊,2022(02):37-42
A类:
中文位置语义解析
B类:
BERT,BiLSTM,CRF,多义词,泛化能力,解析方法,预训练模型,位置信息,上下文信息,语义表征,表征能力,特征信息,解码,全局最优,信息数据,测试集,分词,最高分
AB值:
0.177272
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。