基于遷移學習和BiLSTM-CRF的中文命名實體識別
摘要：針對中文命名實體識別問題,該文提出了一種基于遷移學習和深度學習的TrBiLSTM-CRF模型.該模型采用基于實例的遷移學習算法,通過權值生成和樣本選擇,將源域的知識遷移到目標域,有效地解決了深度學習對少量數據學習能力不足的問題;通過詞向量、BiLSTM、CRF等操作融合了上下文語義信息,克服了對人工特征和專家知識的依賴.實驗結果表明,TrBiLSTMCRF模型在小規模數據集上進行中文機構名命名實體識別時,其準確率、召回率和F值分別為91. 57%、72. 29%和0. 80%,相比于該文提到的其他方法,取得了較好的效果.
注: 保護知識產權,如需閱讀全文請聯系小型微型計算機系統雜志社
相關推薦
更多
