典型文献
基于对抗迁移学习的军事科技领域命名实体识别
文献摘要：
当前通用领域命名实体识别模型可移植性差,在军事科技领域不具备普遍性和适应性,实际效果不佳.针对军事科技领域的独特性、标注语料规模小、实体识别任务多样等特点,将迁移学习的方法应用于军事科技领域命名实体识别,并进行了领域适配与任务适配.通过预训练掩码语言模型的方法对BERT预训练模型进行了领域适配,通过对抗迁移学习的方法对BiLSTM-CRF模型行了任务适配.模型中加入了虚拟对抗训练,通过训练减少虚拟对抗损失以提高模型的鲁棒性.在军事科技领域文本上验证了该方法,实验结果表明,领域适配与任务适配对提高识别效果都有显著的积极作用.
文献关键词：
军事科技;命名实体识别;对抗学习;迁移学习;掩码语言模型;虚拟对抗训练
中图分类号：
作者姓名：
连尧;冯俊池;丁皓
作者机构：
军事科学院系统工程研究院后勤科学与技术研究所,北京100071
文献出处：
引用格式：
[1]连尧;冯俊池;丁皓-.基于对抗迁移学习的军事科技领域命名实体识别)[J].电子设计工程,2022(20):121-127
A类：
B类：
对抗迁移学习,军事科技,科技领域,命名实体识别,识别模型,可移植性,实际效果,语料规模,于军,领域适配,掩码语言模型,BERT,预训练模型,BiLSTM,CRF,虚拟对抗训练,对抗学习
AB值：
0.189892
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。
