文档摘要：命名实体识别是自然语言处理的基本任务之一.针对金融新闻领域中传统模型识别效果一般的问题,本文提出了一种基于迁移语料库训练的ELMo-BiLSTM-CRF模型的方法.实验通过对金融新闻数据集进行标注和分词等处理,使用迁移训练的ELMo模型进行词向量生成,BiLSTM模型提取文本特征,最后利用条件随机场(CRF)对文本特征进行分类.与其他传统模型相比,该方法在实体识别的精准率、召回率和F1值上均有显著提升.
作者：李淦Author：
作者单位：同济大学电子与信息工程学院,上海201804
刊名：电脑知识与技术
Journal：ComputerKnowledgeandTechnology
年，卷(期)：2024, 20(18)
分类号：TP391
关键词：命名实体识别 ELMo 条件随机场 BiLSTM 金融新闻
机标分类号：TP391H315.9P618.130.8
在线出版日期：2024年7月22日
基金项目：国家自然科学基金面向金融新闻的命名实体识别方法[
期刊论文] 电脑知识与技术--2024, 20(18)李淦命名实体识别是自然语言处理的基本任务之一.针对金融新闻领域中传统模型识别效果一般的问题,本文提出了一种基于迁移语料库训练的ELMo-BiLSTM-CRF模型的方法.实验通过对金融新闻数据集进行标注和分词等处理,使用迁移训...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：
|
|
1
