排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
<正>近年来，基于神经网络的序列模型已成功应用到命名实体识别任务当中，但其局限性也十分明显，如对大规模人工标注数据的依赖。本文以“丝绸之路”专题文献为例，通过网络爬虫获取该专题的相关文献和论文摘要作为语料库，并采用无监督方法自动标注语料库中的未标记文本。然后基于模型BERT-Bi LSTM-CRF识别语料库中的各类实体。为了验证模型的性能，在“丝绸之路”专题语料库和不同的公共语料库上进行了多组实验，与不同的基线模型进行对比。实验结果表明，与其他常用模型相比，BERT-Bi LSTM-CRF模型在这些语料库上都获得了最高的F1值，在“丝绸之路”语料库上的F1值为88.89%。 相似文献
1
