基于BERT-BiLSTM-CRF模型的中文实体识别

作者：谢腾; 杨俊安^*; 刘辉

来源：计算机系统应用, 2020, 29(07): 48-55.

DOI：10.15888/j.cnki.csa.007525

• 命名实体识别
• BERT模型
• 双向长短期记忆网络
• 条件随机场
• 词向量

命名实体识别是自然语言处理的一项关键技术.基于深度学习的方法已被广泛应用到中文实体识别研究中.大多数深度学习模型的预处理主要注重词和字符的特征抽取,却忽略词上下文的语义信息,使其无法表征一词多义,因而实体识别性能有待进一步提高.为解决该问题,本文提出了一种基于BERT-BiLSTM-CRF模型的研究方法.首先通过BERT模型预处理生成基于上下文信息的词向量,其次将训练出来的词向量输入BiLSTM-CRF模型做进一步训练处理.实验结果表明,该模型在MSRA语料和人民日报语料库上都达到相当不错的结果, F1值分别为94.65%和95.67%.

• 单位
  中国人民解放军国防科学技术大学