| 基于多頭卷積殘差連接的文本數據實體識別 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>1297 K | |
| 標簽： 深度學習 命名實體識別 神經網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：為構建工作報告中的文本數據關系型數據庫，針對非結構化文本數據中有效信息實體提取問題以及傳統網絡在提取信息時特征丟失問題，設計了一種基于深度學習的實體識別模型RoBERTa-MCR-BiGRU-CRF，首先利用預訓練模型RoBERTa作為編碼器，將訓練后的詞向量輸入到多頭卷積殘差網絡層MCR擴充語義信息，接著輸入到門控循環BiGRU層進一步提取上下文特征，最后經過條件隨機場CRF層解碼進行標簽判別。經過實驗，模型在工作報告數據集上F1值達到96.64%，優于其他對比模型；并且在數據名稱實體類別上，F1值分別比BERT-BiLSTM-CRF和RoBERTa-BiGRU-CRF提高了3.18%、2.87%，結果表明該模型能較好地提取非結構化文本中的有效信息。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2