科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对电子目标情报数据种类繁多、关联关系复杂，电子目标图谱存在实体抽取混乱、语义容易发生歧义等问题，将BiLSTM-CRF模型和BERT模型相结合，提出了一种电子目标图谱实体抽取方法．该方法将BERT模型中训练的词向量传递给BiLSTM模型中做特征；然后在CRF模型中得到全局序列排列，实现电子目标图谱的实体抽取．实验结果表明，与Word2Vec和BERT不同字嵌入相比，BERT的字嵌入平均识别率提高3.22%；与BiLSTM、CRF、BiLSTM等不同模型层次相比，BERT-BiLSTM-CRF的平均识别率比其他3种模型最好的平均值还要高2.99%，说明该方法能够进一步提高电子目标相关命名实体识别的效果．
- 单位
