關(guān)鍵詞:深度學習 作戰(zhàn)文書 命名實體識別 神經(jīng)網(wǎng)絡(luò)
摘要:隨著深度學習技術(shù)的不斷發(fā)展,基于雙向長短期記憶網(wǎng)絡(luò)和條件隨機場的神經(jīng)網(wǎng)絡(luò)模型被廣泛應用到作戰(zhàn)文書以及軍事命名實體識別的研究中。提出了一種基于CNN-BiLSTM-CRF的作戰(zhàn)文書命名實體識別方法,首先利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取字符級特征向量,而后與詞向量、詞性特征向量進行拼接作為輸入,從而達到提高識別率的目的。同時,分析命名實體在不同分類標注情況下,對模型性能所產(chǎn)生的影響,并提出一種針對作戰(zhàn)文書命名實體識別的細分類標注策略。實驗結(jié)果證明,該模型相對于其他方法表現(xiàn)出了更好的性能,且細分類的標注體系對于特征表達有一定的幫助。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社