典型文献
基于预训练模型与神经网络的军事命名实体识别
文献摘要：
军事命名实体识别是军事情报分析和作战信息服务的基础.为了解决军事文本中分词不准确、形式多样以及语料库缺乏的问题,文中提出了一种基于预训练模型与神经网络的军事命名实体识别方法.通过BERT预训练模型构建词向量,利用BiLSTM神经网络处理上下文信息的优势,同时加入注意力机制,并通过条件随机场进行解码,完成了军事命名实体识别任务.在自构建的军事文本语料库上的实验结果表明,该模型F1值为92.14％,优于其他的传统方法.
文献关键词：
命名实体识别;BERT;BiLSTM;条件随机场;注意力机制
中图分类号：
作者姓名：
金浩哲;董宝良;杨诚
作者机构：
华北计算技术研究所系统四部,北京100083
文献出处：
引用格式：
[1]金浩哲;董宝良;杨诚-.基于预训练模型与神经网络的军事命名实体识别)[J].电子设计工程,2022(20):51-55
A类：
B类：
预训练模型,命名实体识别,军事情报,情报分析,作战,信息服务,分词,语料库,实体识别方法,BERT,词向量,BiLSTM,上下文信息,注意力机制,条件随机场,解码
AB值：
0.200334
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。
