基于BiLSTM_CRF的商情实体识别模型_张应成1
需积分: 0 165 浏览量
2022-08-03
16:51:15
上传
评论
收藏 868KB PDF 举报
第
45
卷 第
5
期
Vol． 45 No． 5
计
算 机 工 程
Computer Engineering
2019
年
5
月
May
2019
·
开发研究与工程应用
·
文
章编号
： 1000-3428（ 2019） 05-0308-07
文献标志码
： A
中图分类号
： TP391
基
金项目
：
四川省科技计划项目
（ 18PTDJ0085，2019YFH0075，2018GZDZX0030） ；
泸州市科技计划项目
（ 2017CDLZ-G25） 。
作者简介
：
张应成
（ 1994—） ，
男
，
硕士研究生
，
主研方向为自然语言处理
、
人工智能
；
杨 洋
、
蒋 瑞
、
全 兵
、
张利君
，
工程师
、
硕士
；
任晓雷
，
工程师
。
收稿日期
： 2018-10-08
修回日期
： 2018-11-11 E-mail： yangyang@ tccxfw ． com
基
于
BiLSTM
- CＲF
的商情实体识别模型
张
应成
1
，
杨 洋
2
，
蒋 瑞
3，4
，
全 兵
5
，
张
利君
3
，
任
晓雷
6
（ 1．
四
川大学 计算机学院
，
成都
610065； 2．
四川省计算机研究院
，
成都
610041；
3．
成都瑞贝英特信息技术有限公司
，
成都
610041； 4．
四川智仟科技有限公司
，
成都
610041；
5．
中移
（
苏州
）
软件技术有限公司
，
江苏 苏州
215000； 6．
四川黑马数码科技有限公司
，
四川 泸州
646000）
摘 要
：
结
合语言模型条件随机场
（ CＲF）
和双向长短时记忆
（ BiLSTM ）
网络
，
构建一种
Bi LSTM -CＲF
模型
，
以提取
商情文本序列中的招标人
、
招标代理以及招标编号
3
类实体信息
。
将规范化后的招标文本序列按字进行向量化
，
利用
Bi LSTM
神经网络获取序列化文本的前向
、
后向文本特征
，
并通过
CＲF
提取出双向本文特征中相应的实体
。
实验结果表明
，
与传统机器学习算法
CＲF
相比
，
该模型
3
类实体的精确率
、
召回率和
F1
值平均提升
15． 21% 、
12． 06%
和
13． 70% 。
关键词
：
条件随机场
；
双向长短时记忆网络
；
语言模型
；
命名实体识别
；
深度学习
开发科学
（
资源服务
）
标志码
（ OSID）
：
中
文引用格式
：
张应成
，
杨洋
，
蒋瑞
，
等
．
基于
Bi LSTM -CＲF
的商情实体识别模型
［J］．
计算机工程
，2019，45（ 5）
：
308-314．
英
文引用格式
： ZHANG Yingcheng，YANG Yang，JIANG Ｒui，et al． Commercial intelligence enti ty recognition model
based on BiLSTM -CＲF［J］． Computer Engineering，2019，45（ 5）
： 308-314．
Commercial Intelligence Entity Ｒecognition Model B ased on BiL STM-CＲF
ZHANG Yingcheng
1
，YANG Yang
2
，JIANG Ｒui
3，4
，QUAN Bing
5
，ZHANG Lijun
3
，ＲEN Xiaolei
6
（ 1． College of Computer Science，Sichuan University，Chengdu 610065，China；
2． Sichuan Institute of Computer Sciences，Chengdu 610041，China；
3． Chengdu Ｒuibeiyingte Information Technology Co． ，Ltd． ，C hengdu 610041，China；
4． Sichuan Zhiqian Science and Technology Co． ，Ltd． ，Chengdu 610041，China；
5． China Mobile（ Suzhou） Software Technolgy Co． ，Ltd． ，Suzhou，Jiangsu 215000，China；
6． Sichuan Heima Digital Technology Co． ，Ltd． ，Luzhou，Sichuan 646000，China）
【Abstract】A BiLSTM -CＲF model is constructed by combining the Conditional Ｒandom Field （ CＲF ） model of
Bi directional Long Short-Term Memory（ BiLSTM ） network to extract three kinds of entity information，tenderer，bidding
agent and bidding number，in a commercial text sequence． The normalized bidding text sequence is vectorized by word．
The forward and backward text features of the serialized text are obtained by BiLSTM neural network，and the
corresponding entities in the two-way text features are extracted by CＲF． Experimental results show that compared with
the traditional machine learning algorithm CＲF，the precision，recall rate and F1 value of the three types of entities in the
proposed model are improved by 15． 21% ，12． 06% and 13． 70% in average，respectively．
【Key words】Condi tional Ｒandom Field（ CＲF）
； Bi directional Long Short-Term Memory（ BiLSTM ） network； language
model； N amed Entit y Ｒecognition（ NEＲ） ； deep learning
DOI： 10． 19678 /j． issn． 1000-3428． 0052810
萱呀
- 粉丝: 24
- 资源: 354
最新资源
- YOLOV4-TINY权重文件
- 以下是一个使用贪心算法解决多机调度问题的基本步骤0.txt
- 基于大数据的房产估价是近年来随着技术的发展而兴起的一种新型估价方法.txt
- 企业供应链管理系统v3.rar
- 富芮坤FR8016HA蓝牙开发板使用手册+硬件PCB图+封装库+DEMO演示软件源代码.zip
- 基于YOLOv7的芯片表面缺陷检测系统
- 京东物流 数字化供应链综合研究报告2018.rar
- 基于YOLOv7的植物虫害识别＆防治系统
- 2000.1-2023.8中国经济政策不确定性指数月度数据.xlsx
- Screenshot_2024-04-21-20-42-15-443_com.tencent.mm.jpg
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0