文献类型：期刊文章

作　　者：刘巨升[1] 于红[1,2] 杨惠宁[1] 邵立铭[1] 宋奇书[1] 李光宇[1] 张思佳[1,2] 孙华[1,2]

LIU Jusheng;YU Hong;YANG Huining;SHAO Liming;SONG Qishu;LI Guangyu;ZHANG Sijia;SUN Hua(College of Information Engineering, Key Laboratory of Marine Information Technology of Liaoning Province, Dalian Ocean University, Dalian 116023, China;Key Laboratory of Environment Controlled Aquaculture(Dalian Ocean University), Ministry of Education, Dalian 116023, China)

机构地区：[1]大连海洋大学信息工程学院,辽宁省海洋信息技术重点实验室,辽宁大连116023 [2]设施渔业教育部重点实验室(大连海洋大学),辽宁大连116023

出　　处：《大连海洋大学学报》

基　　金：设施渔业教育部重点实验室开放课题(2021-MOEKLECA-KF-05);国家自然科学基金(61802046)。

年　　份：2022

卷　　号：37

期　　号：3

起止页码：524-530

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：为解决水产医学命名实体识别中存在的嵌套实体识别准确率不高的问题,提出一种基于多核卷积的命名实体识别模型(BERT+Multi-CNN+CRF),采用多核卷积神经网络提取嵌套实体特征,通过BERT(bidirectional encoder representations from transformers)方法对输入语料进行预训练,丰富嵌套实体位置向量信息,获得嵌套实体输入特征矩阵,将提取特征矩阵与输入特征矩阵融合,以增强嵌套实体的特征表示,并进行不同模型的对比试验。结果表明,本文中提出的BERT+Multi-CNN+CRF模型,在水产医学嵌套命名实体识别任务中的准确率、召回率和F1值分别为88.04%、88.92%和88.48%,与识别准确率较高的BERT+BiLSTM+ATT+CRF模型相比,分别提高了2.25%、3.23%和2.74%。研究表明,本文中提出的BERT+Multi-CNN+CRF模型可有效解决水产医学嵌套实体识别准确率不高的问题,是一种有效的水产医学嵌套命名实体识别方法。

关 键 词：水产医学  BERT  嵌套命名实体识别  卷积神经网络 多卷积核  

分 类 号：S932.2] TP391[水产类]