基于BiLSTM-CRF的商情实体识别模型

摘要：

结合语言模型条件随机场(CRF)和双向长短时记忆(BiLSTM)网络,构建一种BiLSTM-CRF模型,以提取商情文本序列中的招标人、招标代理以及招标编号3类实体信息.将规范化后的招标文本序列按字进行向量化,利用BiLSTM神经网络获取序列化文本的前向、后向文本特征,并通过CRF提取出双向本文特征中相应的实体.实验结果表明,与传统机器学习算法CRF相比,该模型3类实体的精确率、召回率和F1值平均提升15.21％、12.06％和13.70％.

关键词：条件随机场、双向长短时记忆网络、语言模型、命名实体识别、深度学习

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技计划项目18PTDJ0085,2019YFH0075,2018GZDZX0030;泸州市科技计划项目2017CDLZ-G25

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：308-314