基于深度学习的《方志物产》用途实体自动识别模型构建与应用

作者：李娜

来源：数字图书馆论坛, 2022, (12): 19-28.

• 深度学习
• 方志物产
• 命名实体识别
• 数字人文
• 用途实体

以特色馆藏文献《方志物产》为研究语料，基于人工标注语料，运用Bi-LSTM、Bi-LSTM-CRF、BERT、Siku-BERT等4种深度学习模型开展实验，以精确率P、召回率R、调和平均数F作为测试指标，对模型的识别性能进行对比分析，促进物产知识的挖掘和利用。实验结果显示：相较于基于CRF的模型，4种深度学习模型的整体性能取得明显提升；Bi-LSTM、Bi-LSTM-CRF、BERT、Siku-BERT的最好R值分别为74.80%、78.05%、88.62%、89.74%;BERT、Siku-BERT注意力机制类深度学习模型的识别效果优于Bi-LSTM、Bi-LSTM-CRF循环类深度学习模型。由于方志类古籍文本结构复杂多样、人工标注精度存在误差、语料规模较小等因素，自动识别模型的实体抽取性能仍有较大的优化空间，但深度学习模型在方志类古籍的内容挖掘中表现出一定的优越性，且不同语料间预训练模型的迁移应用具有可行性。

• 单位
  南京林业大学