基于BERT和多窗口门控CNN的电机领域命名实体识别

摘要：

针对电机领域命名实体识别困难、精度不高的问题,提出了一种基于BERT和多窗口门控CNN的电机领域命名实体识别模型.该模型首先利用BERT预训练模型生成句子的字向量序列,根据电机领域文本的上下文动态微调字向量,增强字向量的语义表达;其次,构建具有全局时序特征感知单元和多窗口门控CNN单元的双分支特征提取层,形成句子的多级语义特征表示;最后,通过CRF对字符序列进行解码,得到每个字符对应的标签.在小规模的自建电机领域数据集与多组模型进行的对比实验结果表明,该模型命名实体识别性能均优于其他模型,macro-F1值达到了90.16％,验证了该方法对电机领域实体识别的有效性.

关键词：命名实体识别、电机领域、BERT模型、多窗口门控CNN、BiLSTM模型

所属期刊栏目：40

分类号：TP391.1(计算技术、计算机技术)

资助基金：福建省自然科学基金资助项目;福建工程学院发展基金资助项目

在线出版日期：2023-01-16（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：107-114