融合领域特征向量的武器装备名深度学习识别方法

论文摘要

提出融合领域特征向量与词向量的识别方法,将基于武器装备名特征库与维基语料训练得到的领域特征向量引入Bi-LSTM+CRF模型,并对武器装备名进行自动识别实验。引入领域特征向量后模型的识别准确率由78.30%提升到82.10%,召回率由65.25%提升到67.30%,对未登录武器装备名识别的召回率从45.08%提升到50.16%。此外,将领域特征融入条件随机场（conditional random field,CRF）模型,实验表明,在小规模语料库与领域特征支持的情况下,CRF模型的效果要优于Bi-LSTM+CRF模型且对稀疏特征的利用效率更优。

论文目录

• 0 引 言
• 1 相关工作
• 2 英文武器装备名构造模式与特征
•   2.1 概 述
•   2.2 构成要素与类型
•   2.3 构造特征
•   2.4 识别框架
• 3 Bi-LSTM+CRF模型
•   3.1 模型整体框架
•   3.2 Word Embedding+Feature Embedding模块
•   3.3 Bi-LSTM模块
•   3.4 CRF模块
• 4 实 验
•   4.1 实验语料与标注集
•   4.2 评测标准
•   4.3 模型参数与特征
•     4.3.1 预训练词向量与特征向量模型的参数设置
•     4.3.2 Bi-LSTM+CRF模型的参数设置
•     4.3.3 CRF模型的特征选取
•   4.4 实验设计及结果分析
•     4.4.1 实验设计
•     4.4.2 实验结果与分析
• 5 结 语

文章来源

类型: 期刊论文

作者: 雷树杰,邢富坤,王闻慧

关键词: 武器装备名,领域特征向量,命名实体识别

来源: 计算机应用与软件 2019年10期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 武器工业与军事技术,计算机软件及计算机应用,自动化技术

单位: 战略支援部队信息工程大学洛阳校区,青岛大学外语学院

分类号: E92;TP391.1;TP18

页码: 183-189+226

总页数: 8

文件大小: 709K

下载量: 91