设计应用

基于多头卷积残差连接的文本数据实体识别

作者：刘微，李波，杨思瑶

发布日期：2024-12-25

来源：网络安全与数据治理

引言

实体识别在信息抽取方面有着重要作用，现阶段数据提取主要是利用深度学习技术，运用到命名实体识别（Named Entity Recognition，NER）中提取名词和一些相关概念。命名实体识别可以提取有效数据，去除无关信息，方便建立数据库，对数据进行后续处理与追踪从而提升其安全性，可以应用于构建知识图谱问答系统和数据追溯系统等领域。实体识别本质上是解决一个序列标注问题，对文本和数字序列进行标签分类。

随着深度学习技术的发展，实体识别取得了显著进展，传统的基于规则和词典的方法逐渐被基于统计学习和神经网络的方法所取代，自2018年以来，基于BERT的预训练神经网络模型（如BERT-BiLSTM-CRF）在多个公开数据集上达到了同年的最好性能。本文提出一种新的融合外部知识资源的方法来提高NER模型的性能。本模型在自制的数据集上进行实验，验证了所提方法在非结构文本数据方面识别的性能，证明模型在NER任务中的有效性。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006267

作者信息：

刘微，李波，杨思瑶

（沈阳理工大学信息科学与工程学院，辽宁沈阳110158）

Magazine.Subscription.jpg