文献类型：期刊文章

作　　者：沈同平[1] 俞磊[1] 金力[1] 黄方亮[1] 许欢庆[1]

SHEN Tong-ping;YU Lei;JIN Li;HUANG Fang-liang;XU Huan-qing(School of Medicine and Information Engineering,Anhui University of Chinese Medicine,Hefei 230012,China)

机构地区：[1]安徽中医药大学医药信息工程学院,合肥230012

出　　处：《齐齐哈尔大学学报（自然科学版）》

基　　金：国家自然科学基金项目(61701005);2019年高校优秀青年骨干人才国外访学研究项目(gxgwfx2019026);安徽省质量工程项目(2017mooc223,2020jyxm1029);安徽高校自然科学研究重点项目(KJ2020A0443);安徽中医药大学教研项目(2017xjjy_yb010);安徽中医药大学质量工程项目(2021zlgc046);安徽中医药大学自然重点项目(2020zrzd18,2019zrzd11,2018zryb06)。

年　　份：2022

卷　　号：38

期　　号：1

起止页码：26-32

语　　种：中文

收录情况：普通刊

摘　　要：中文文本实体识别,是自然语言处理的关键问题。传统的语言处理模型无法有效表示文本中的上下文语义信息,无法处理一词多义的不同语境,影响实体识别效果。提出了一种BERT-BiLSTM-CRF的实体识别模型,BERT预处理语言模型生成表征上下文语义信息的词向量,通过双向长短期记忆网络对生成的向量进行特征提取,自注意力机制能够有效获取文本语句中的长距离依赖,最后通过CRF进行解码生成实体标签序列。实验结果表明,该模型在微软亚洲研究院MSRA语料库和人民日报语料库上都取得了优异成绩,F1分别达到96.12%和95.88%。

关 键 词：命名实体识别 深度学习  多头注意力  BERT  

分 类 号：TP391]