典型文献
基于ALBERT-CAW模型的时政新闻命名实体识别方法
文献摘要：
针对时政新闻领域词语的含义复杂、新词更新速度快等问题,提出了一种基于ALBERT-CAW的时政新闻命名实体识别模型.使用预训练语言模型ALBERT获取文本的动态字词向量,在CAW层中利用多层CNN提取词语的局部特征,使用LSTM获得每个词的上下文语意,将两者结果融合,输入BiLSTM获取深层特征,通过条件随机场(CRF)获取最有可能的标签作为识别结果.在自建的人民日报新闻数据集上取得了87.3％的F1值,优于对比模型.实验结果表明,该模型能较好地应用于时政新闻命名实体识别任务.
文献关键词：
命名实体识别;字词融合(CAW);ALBERT预训练语言模型;双向长短期记忆网络;条件随机场(CRF)
中图分类号：
作者姓名：
范钰程;梁凤梅;邬志勇
作者机构：
太原理工大学信息与计算机学院,山西晋中030600
文献出处：
引用格式：
[1]范钰程;梁凤梅;邬志勇-.基于ALBERT-CAW模型的时政新闻命名实体识别方法)[J].电子设计工程,2022(15):49-54
A类：
CAW
B类：
ALBERT,时政新闻,命名实体识别,实体识别方法,领域词,词语,新词,识别模型,预训练语言模型,字词向量,取词,局部特征,上下文,语意,BiLSTM,深层特征,条件随机场,CRF,人民日报,新闻数据,对比模型,字词融合,双向长短期记忆网络
AB值：
0.258818
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。
