基于卷积神经网络的中文景点识别研究

摘要：

命名实体识别是自然语言处理任务的重要环节.近年来,基于深度学习的通用命名实体识别模型取得显著效果.而在旅游领域,中文旅游景点实体识别主要依赖于特征工程的方法.提出一种基于CNN-BiLSTM-CRF的网络模型,该模型不使用任何人工特征,通过神经网络充分对文本的局部信息特征进行抽象化抽取和表示,并学习和利用文本的上下文信息,实现对景点实体的识别.实验结果显示,该方法能够有效识别中文旅游景点实体,并在实验中取得F1值93.9％的效果.

关键词：中文命名实体识别、深度学习、景点识别、卷积神经网络(CNN)、双向长短记忆网络(BiLSTM)、条件随机场(CRF)

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：北京市属高等学校高层次人才引进与培养计划;北京市教育委员会科技发展计划项目

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：140-145