植物属性文本的命名实体识别方法研究

摘要：

植物属性文本的命名实体识别对林业领域的信息抽取和知识图谱的构建起着重要的作用,针对该问题,提出了一种基于双向长短时记忆网络(BiLSTM)、卷积神经网络(CNN)和条件随机场(CRF)模型的植物属性文本命名实体识别方法BCC-P.分析了植物属性文本的特点,并进行预处理和标注,完成数据集的构建.BCC-P方法通过BiLSTM模型对植物属性文本进行建模,有效捕捉植物属性文本中的上下文语义特征.将获得的特征传递到CNN模型,进一步提取深度特征.最后使用了CRF模型进行植物属性文本的标注,输出在句子序列上最优的标注结果.在植物属性文本语料上的实验表明,该方法的准确率达到了91.8%,因此能够有效应用于植物属性文本的命名实体识别任务.

关键词：命名实体识别、双向长短时记忆网络(BiLSTM)、卷积神经网络(CNN)、条件随机场(CRF)

所属期刊栏目：13

分类号：TP391.4(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61602042;the Fundamental Research Funds for the Central Universities of China under Grant No.TD2014-02

在线出版日期：2019-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2085-2093