基于ELMo-GCN的核电领域命名实体识别

摘要：

在核电领域的知识管理过程中,需要使用命名实体识别技术抽取高质量语义实体,以进行核电领域文本的智能分析和处理.在现有研究的基础上,通过增强网络对上下文信息的提取能力,提升模型对嵌套命名实体的识别准确率.经实验验证,所提方法较现有方法在准确率与召回率指标上提升显著,与BiFlaG网络对比,准确率提高9.52％,召回率提高8.51％,F1值提高9.02％.所提方法对嵌套命名实体识别优于BiFlaG等网络.

关键词：命名实体识别、核电、双向语言模型、图卷积神经网络、自注意力机制

所属期刊栏目：48

分类号：YP391

资助基金：北京市教育委员会科研计划项目;河北省科研计划

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2556-2565