基于BERT-BiLSTM-CRF模型的中文实体识别

摘要：

命名实体识别是自然语言处理的一项关键技术.基于深度学习的方法已被广泛应用到中文实体识别研究中.大多数深度学习模型的预处理主要注重词和字符的特征抽取,却忽略词上下文的语义信息,使其无法表征一词多义,因而实体识别性能有待进一步提高.为解决该问题,本文提出了一种基于BERT-BiLSTM-CRF模型的研究方法.首先通过BERT模型预处理生成基于上下文信息的词向量,其次将训练出来的词向量输入BiLSTM-CRF模型做进一步训练处理.实验结果表明,该模型在MSRA语料和人民日报语料库上都达到相当不错的结果,F1值分别为94.65％ 和95.67％.

关键词：命名实体识别、BERT模型、双向长短期记忆网络、条件随机场、词向量

所属期刊栏目：29

资助基金：安徽省自然科学基金 ;国防科技大学校基金

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：48-55