基于深度學習的特征增強式安全事故文本實體識別模型研究

摘要： 為了研究安全事故案例報告中上下文語義指代和復雜領(lǐng)域內(nèi)容對機器自動識別與抽取信息的性能影響，通過考慮局部特征增強構(gòu)建了BERT+Multi-CNN+BiGRU+CRF(BMulCBC)模型。BERT負責將非結(jié)構(gòu)化文本轉(zhuǎn)化輸入，Multi-CNN和BiGRU負責向量局部特征與序列特征編碼，CRF則負責完成準確的實體標簽解碼。研究結(jié)果表明：模型實體識別的精確率、召回率和F1值分別為6... （共9頁）