文献类型：期刊文章

作　　者：王子牛[1] 姜猛[2] 高建瓴[2] 陈娅先[2]

WANG Zi-niu;JIANG Meng;GAO Jian-ling;CHEN Ya-xian(Network and Information Management Center,Guizhou University,Guiyang 550025,China;College of Big Data&Information Engineering,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学网络与信息化管理中心,贵阳550025 [2]贵州大学大数据与信息工程学院,贵阳550025

出　　处：《计算机科学》

基　　金：贵州省科学技术基金(黔科合J字[2015]2045)资助

年　　份：2019

卷　　号：46

期　　号：S11

起止页码：138-142

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对传统的机器学习算法对中文实体识别准确率低、高度依赖特征设计以及领域自适应能力差的问题,提出了基于BERT的神经网络方法进行命名实体识别。首先,利用大规模未标注语料对BERT进行训练,获取文本抽象特征;然后,利用BiLSTM神经网络获取序列化文本的上下文抽象特征;最后,通过CRF进行序列解码标注,提取出相应的实体。该方法结合BERT和BiLSTM-CRF模型对中文实体进行识别,以无需添加任何特征的方式在1998上半年人民日报数据集上取得了94.86%的F1值。实验表明,该方法提升了实体识别的准确率、召回率及F1值,验证了该方法的有效性。

关 键 词：BERT  命名实体识别 序列标注  BiLSTM  条件随机场

分 类 号：TP391]