典型文献
基于多模型融合的警情要素提取
文献摘要：
针对警情数据中日益增长的不同种类要素提取需求,提出一种多模型融合的要素提取方法.对于警情数据中人名、地名、机构名等无明显规律的要素,采用BERT+BiLSTM+CRF模型结合文本上下文信息的方法,抽取包含语义信息的关键要素;对于时间、车牌号等具备一定规律的数据,采用模式识别方法抽取符合定义规则的相关要素;然后将上述两种方法融合,形成一体化模型进行要素提取.验证实验结果表明,与传统命名实体识别方法相比,BERT+BiLSTM+CRF模型在测试集上的F1值均提高3％以上,模式识别效果提高1％以上,可满足日常警情的要素提取需求.
文献关键词：
警情要素;BERT;BiLSTM;CRF;命名实体识别;模式识别
中图分类号：
作者姓名：
龚艳;汪玉;梁昌明;黄林钰;乐汉;徐圣婴;王本强
作者机构：
上海市公安局科技处,上海200042;上海德拓信息技术股份有限公司,上海200030
文献出处：
引用格式：
[1]龚艳;汪玉;梁昌明;黄林钰;乐汉;徐圣婴;王本强-.基于多模型融合的警情要素提取)[J].软件导刊,2022(04):98-102
A类：
警情要素,BERT+BiLSTM+CRF
B类：
多模型融合,要素提取,人名,地名,上下文信息,语义信息,车牌号,模式识别,合定,方法融合,验证实验,命名实体识别,实体识别方法,测试集
AB值：
0.215069
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。
