声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：马建红,张亚梅,姚爽,张炳斐,郭昌宏,
单位：河北工业大学计算机科学与软件学院,天津300401；
关键词：领域术语抽取,attention机制,双向长短时记忆网络,条件随机场,词典,规则,
为提高新能源汽车领域术语抽取准确率，面向新能源汽车专利文本提出一种领域术语抽取模型。传统的领域术语抽取方法过度依赖人工定义特征和领域知识，无法自动挖掘隐含特征，其识别性能过度依赖所选特征的质量。从深度学习的角度出发，提出了一种基于attention的双向长短时记忆网络（bidirectional long short-term memory，BLSTM）与条件随机场（conditional random fields，CRF）相结合的领域术语抽取模型（BLSTM_attention_CRF模型），并使用基于词典与规则相结合的方法对结果进行校正，准确率可达到86%以上，方法切实可行。
来源：2019年第5期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。