- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于BLSTM的命名实体识别方法-计算机科学
第 卷 第 期 计 算 机 科 学
45 2 Vol.45No.2
年 月
2018 2 COMPUTER SCIENCE Feb.2018
基于BLSTM的命名实体识别方法
, , ,
冯艳红12 于 红12 孙 庚12 孙娟娟1
1
(大连海洋大学信息工程学院 大连 )
116023
2
(大连海洋大学辽宁省海洋信息技术重点实验室 大连 )
116023
, ,
摘 要 传统的命名实体识别方法直接依靠大量的人工特征和专门的领域知识 解决了监督学习语料不足的问题 但
. , (
设计人工特征和获取领域知识的代价昂贵 针对该问题 提 出一种基于 BLSTM BidirectionalLon ShortGTerm
g
) . ,
Memor 的神经网络结构的命名实体识别方法 该方法不再直接依赖于人工特征和领域知识 而是利用基于上下文
y
, , 、 ;
的词向量和基于字的词向量 前者表达命名实体的上下文信息 后者表达构成命名实体的前缀 后缀和领域信息 同
, , ,
时 利用标注序列中标签之间的相关性对BLSTM的代价函数进行约束 并将领域知识嵌入模型的代价函数中 进一
. , .
步增强模型的识别能力 实验表明 所提方法的识别效果优于传统方法
, , ,
关键词 BLSTM 命名实体 词向量 代价函数
中图法分类号 文献标识码 /
TP183 A DOI 10.11896 .issn.1002G137X.2018.02.045
j
NamedEntitReconitionMethodBasedonBLSTM
y
您可能关注的文档
最近下载
- 2025至2030年中国机器人关节模组行业市场竞争态势及前景战略研判报告.docx
- 员工冲突管理培训.pptx VIP
- 新课标人教版 宾语从句 复习课件.ppt VIP
- 厂务系统介绍.ppt VIP
- 2024年10月广东省高等教育自学考试00020高等数学(一)试卷及答案.pdf
- 英语人教版八年级下册unit5 setionB 课件.ppt VIP
- 人教版新目标八年级上册英语导学案(全册).pdf VIP
- 人教版九年级英语Unit 2 reading-The Spirit of Christmas.pptx VIP
- 丹毒中医护理方案ppt课件.pptx VIP
- 人教版九年级英语unit8全单元课件.ppt VIP
文档评论(0)