典型文献
门控多特征提取器的中文命名实体识别
文献摘要：
在不引入其他辅助特征的情况下,仅关注文本自身,通过构建多个特征提取器深度挖掘文本序列抽象、深层、高维的特征.采用BERT预训练模型获取信息更丰富的词嵌入;将词嵌入分别输入到BiLSTM和IDCNN中进行第一轮的特征提取,为获取更高维的特征,实现信息的多通道传输和流量控制,在IDCNN网络中引入门控机制;为提高特征提取效率,加入多头自注意力机制;构建共享BiLSTM,实现特征信息的交互流通,提高特征表征强度;创建两个CRF模型,丰富特征分布并实现特征信息的跨层传输,以提升标签序列预测的准确性.在两个数据集上进行测试,与四种NER模型进行比较,结果表明,F1值在一定程度上得到提升.
文献关键词：
特征提取;词嵌入;门控机制;共享BiLSTM;多头自注意力
中图分类号：
作者姓名：
杨荣莹;何庆;杜逆索
作者机构：
贵州大学 大数据与信息工程学院,贵阳 550025;贵州大学 贵州省公共大数据重点实验室,贵阳 550025;贵州大学 贵州省大数据产业发展应用研究院,贵阳 550025
文献出处：
引用格式：
[1]杨荣莹;何庆;杜逆索-.门控多特征提取器的中文命名实体识别)[J].计算机工程与应用,2022(08):117-124
A类：
B类：
多特征提取,中文命名实体识别,注文,深度挖掘,高维,BERT,预训练模型,获取信息,词嵌入,别输,BiLSTM,IDCNN,第一轮,多通道,流量控制,入门,门控机制,提取效率,多头自注意力机制,特征信息,CRF,特征分布,跨层,序列预测,NER,上得
AB值：
0.348829
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。
