10.3969/j.issn.1006-9348.2022.06.092
基于BiLSTM-CRF纪检监察事件命名实体识别
根据纪检监察领域的任务需求,构建了纪检监察事件语料库为数据集,使用BIOES序列标注方法标记该数据集的实体,并提出BiLSTM-CRF(双向长短期记忆网络-条件随机场)深度学习模型进行纪检监察事件的命名实体识别,该方法对事件中纪检监察机构,人名以及该嫌疑人所受处分名三类命名实体进行识别.采用BiLSTM,BiLSTM-CRF进行对比实验.实验结果显示,使用的方法对三类实体识别的P、R、F值分别为99.63%,99.63%,99.63%,验证了所提方法在纪检监察领域的有效性,证明本研究可以有效获取纪检监察事件中的重要实体信息.
纪检监察、双向长短期记忆网络-条件随机场、深度学习、命名实体识别
39
TP391.9(计算技术、计算机技术)
国家自然科学基金;内蒙古自治区科技计划项目;内蒙古纪检监察大数据实验室开放课题
2022-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
464-468