面向教育领域的基于SVR-BiGRU-CRF中文命名实体识别方法

摘要：

在教育领域中,命名实体识别在机器自动提问和智能问答等相关任务中都有应用.传统的中文命名实体识别模型需要改变网络结构来融入字和词信息,增加了网络结构的复杂度.另一方面,教育领域中的数据对实体边界的识别要十分精确,传统方法未能融入位置信息,对实体边界的识别能力较差.针对以上的问题,该文使用改进的向量表示层,在向量表示层中融合字、词和位置信息,能够更好地界定实体边界和提高实体识别的准确率,使用BiGRU和CRF分别作为模型的序列建模层和标注层进行中文命名实体识别.该文在Resume数据集和教育数据集(Edu)上进行了实验,F1值分别为95.20％ 和95.08％.实验结果表明,该文方法对比基线模型提升了模型的训练速度和实体识别的准确性.

关键词：中文命名实体识别、BiGRU-CRF、简单向量表示层(SVR)

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2022-09-19（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：114-122