计算机应用研究

作者：张智源,孙水华,徐诗傲,徐凡,刘建华,

单位：1.国网南平供电公司,福建南平353000；2.福建工程学院计算机科学与数学学院,福州350118；

关键词：命名实体识别,电机领域,BERT模型,多窗口门控CNN,BiLSTM模型,

基金：福建省自然科学基金资助项目(2019J01061137)；福建工程学院发展基金资助项目(GY-Z20046)；；

针对电机领域命名实体识别困难、精度不高的问题，提出了一种基于BERT和多窗口门控CNN的电机领域命名实体识别模型。该模型首先利用BERT预训练模型生成句子的字向量序列，根据电机领域文本的上下文动态微调字向量，增强字向量的语义表达；其次，构建具有全局时序特征感知单元和多窗口门控CNN单元的双分支特征提取层，形成句子的多级语义特征表示；最后，通过CRF对字符序列进行解码，得到每个字符对应的标签。在小规模的自建电机领域数据集与多组模型进行的对比实验结果表明，该模型命名实体识别性能均优于其他模型，macro-F1值达到了90.16%，验证了该方法对电机领域实体识别的有效性。

来源：2023年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第1期