10.16208/j.issn1000-7024.2024.01.033
基于ALBERT的中文简历命名实体识别
现有的电子简历实体识别方法准确率低,采用BERT预训练语言模型虽能取得较高的准确率,但BERT模型参数量过大,训练时间长,其实际应用场景受限,提出一种基于ALBERT的中文电子简历命名实体识别方法.通过轻量版AL-BERT 语言模型对输人文本进行词嵌入,获取动态词向量,解决一词多义的问题;使用BiLSTM获取上下文结构特征,深层次挖掘语义关系;将拼接后的向量输入到CRF层进行维特比解码,学习标签间约束关系,输出正确标签.实验结果表明,该方法在Resume电子简历数据集中取得了 94.86%的F1值.
电子简历、命名实体识别、预训练语言模型、双向长短时记忆网络、条件随机场、神经网络、深度学习
45
TP391(计算技术、计算机技术)
国家自然科学基金62071490
2024-01-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
261-267