基于深度学习的渔业领域命名实体识别

摘要：

为了解决基于分词的渔业领域命名实体识别效果受分词准确度影响这一问题,采用一种基于深度学习的渔业领域命名实体识别方法.该方法使用神经网络训练得到字向量作为模型输入,避免了分词不准确对渔业领域命名实体识别效果造成的影响;针对渔业领域命名实体长度较长这一特点,使用LSTM单元保持较长时间记忆信息,并将标记信息融入到CRF模型中构建Character+LSTM+CRF实体识别模型.为验证方法的有效性,在渔业领域语料集上进行多组实验,结果表明,本研究中提出的Character+LSTM+CRF方法具有较好的效果,与 LSTM 模型相比较,在准确率、召回率、F 值上分别提升了3.39%、2.99%、3.19%,对于渔业领域实体识别具有较好的效果.

关键词：字向量、LSTM模型、CRF模型、实体识别

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家海洋公益性行业科研专项201305002-6;大连市科技计划项目2015A11GX022

在线出版日期：2018-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：265-269