基于深度学习与统计信息的领域术语抽取方法研究

摘要：

[背景]及时掌握领域术语有助于动态把握领域发展方向,揭示领域的核心知识与研究热点.[目的]为提高领域术语抽取准确率,提出一种基于深度学习和统计信息的领域术语抽取方法.[方法]首先,对领域中文专利文本进行字嵌入表示,基于B E RT(Bidirectional Encoder Representations from Transformers)获取字符级的向量表征作为模型的输入;然后,利用BiLSTM-CRF(Bidirectional Long Short Term Memory-Conditional Random Field)深度学习模型提取序列化文本的语义特征,得到领域术语标注序列;最后,综合计算复合结构术语的互信息和左右熵,并结合领域知识库对抽取结果进行校正.[结果]模型在"盐湖提锂"领域进行实验,结果表明BERT-BiLSTM-CRF模型抽取该领域术语准确率达到77.33％,而对抽取结果进行校正进一步将准确率提升了3.68％,是一种有效的领域术语抽取方法.

关键词：领域术语抽取、BERT、双向长短时记忆网络、条件随机场、互信息、左右信息熵

所属期刊栏目：4

分类号：TP391.1;TN762;TP181

资助基金：中国科学院武汉文献情报中心前瞻性项目;青海省企业研究转化与产业化专项;青海省创新平台建设专项

在线出版日期：2022-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：87-98