基于深度学习的警情记录关键信息自动抽取

摘要：

随着智慧警务的兴起,民众报警渠道拓宽,非结构化警情激增,警情实体识别难度增大.针对这一业务痛点,引入BERT模型获取词向量,融合自注意力机制来捕获文字之间的长距离依赖关系,并构建BERT-BiGRU-SelfAtt-CRF警情实体识别模型.为了验证模型的性能和泛化能力,在公开数据集上进行了实验.为了验证模型在警情领域的可行性和效率,在构建的警情数据集上进行了实验.实验结果表明,提出的模型在警情数据集上的精确率达到了82.45％,召回率达到了79.03％,F1值达到了80.72％,优于其他模型.可见,提出的模型可以满足实际公安工作需要,是可行、有效的.

关键词：深度学习、预训练语言模型、自注意力机制、警情实体识别

所属期刊栏目：8

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家社会科学基金No.20AZD114

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：127-142