基于多頭卷積殘差連接的文本數(shù)據(jù)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(jīng)網(wǎng)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(shù)據(jù)關系型數(shù)據(jù)庫,，針對非結構化文本數(shù)據(jù)中有效信息實體提取問題以及傳統(tǒng)網(wǎng)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(wǎng)絡層MCR擴充語義信息,，接著輸入到門控循環(huán)BiGRU層進一步提取上下文特征,，最后經(jīng)過條件隨機場CRF層解碼進行標簽判別。經(jīng)過實驗,，模型在工作報告數(shù)據(jù)集上F1值達到96.64%，優(yōu)于其他對比模型,；并且在數(shù)據(jù)名稱實體類別上,，F(xiàn)1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(xiàn)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。