原创力文档- 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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
JournalofComputerApplicationsISSN1001⁃90812025⁃05⁃10
计算机应用,2025,45(5):1511-1519CODENJYIIDUhttp://www.joca.cn
文章编号：1001-9081（2025）05-1511-09DOI:10.11772/j.issn.1001-9081.2024050675
基于全域信息融合和多维关系感知的命名实体识别模型
1，2，311，2，3*1，2，3
胡婕，武帅星，曹芝兰，张龑
（1.湖北大学计算机学院，武汉430062；2.大数据智能分析与行业应用湖北省重点实验室（湖北大学），武汉430062；
3.智慧政务与人工智能应用湖北省工程研究中心（湖北大学），武汉430062）
（∗通信作者电子邮箱czl@hubu.edu.cn）
摘要：现有的基于双向长短时记忆（BiLSTM）网络的命名实体识别（NER）模型难以全面理解文本的整体语义以
及捕捉复杂的实体关系。因此，提出一种基于全域信息融合和多维关系感知的NER模型。首先，通过BERT
（BidirectionalEncoderRepresentationsfromTransformers）获取输入序列的向量表示，并结合BiLSTM进一步学习输入序
列的上下文信息。其次，提出由梯度稳定层和特征融合模块组成的全域信息融合机制：前者使模型保持稳定的梯度
传播并更新优化输入序列的表示，后者则融合BiLSTM的前后向表示获取更全面的特征表示。接着，构建多维关系感
知结构学习不同子空间单词的关联性，以捕获文档中复杂的实体关系。此外，使用自适应焦点损失函数动态调整不
同类别实体的权重，提高模型对少数类实体的识别性能。最后，在7个公开数据集上将所提模型和11个基线模型进
行对比，实验结果表明所提模型的F1值均优于对比模型，可见该模型的综合性较优。
关键词：命名实体识别；全域信息融合机制；梯度稳定层；多维关系感知；自适应焦点损失
中图分类号：TP391.1文献标志码：A
Namedentityrecognitionmodelbasedonglobalinformationfusionand
multi-dimensionalrelationperception
1，2，311，2，3*1，2，3
HUJie，WUShuaixing，CAOZhilan，ZHANGYan
（1.SchoolofComputerScience，HubeiUniversity，WuhanHubei430062，China；
2.HubeiKeyLaboratoryofBigDataIntelligentAnalysisandApplication（Hu
文档评论（0）