检索结果-南通市图书馆

维普期刊数据库博看期刊

基于bilstm-crf的《神农本草经》命名实体识别研究

在线全文

学校读者我要写书评

暂无评论

成都中医药大学学报 2024年第3期47卷 54-59页

作者：周嘉玮王坤吴雨璐李荣耀刘秀峰广州中医药大学医学信息工程学院广东广州510006 广州中医药大学智能研究院广东广州510006 暨南大学信息科学技术学院广东广州511443

目的:基于bilstm-crf的命名实体识别技术挖掘并展示《神农本草经》蕴含的药物理论。方法:构建自定义中医术语词库,由计算机自动化序列标注,根据不同主流命名实体识别方法以及中医古籍的文本特点,以字向量作为初始输入,构建bilstm-crf模... 详细信息

目的:基于bilstm-crf的命名实体识别技术挖掘并展示《神农本草经》蕴含的药物理论。方法:构建自定义中医术语词库,由计算机自动化序列标注,根据不同主流命名实体识别方法以及中医古籍的文本特点,以字向量作为初始输入,构建bilstm-crf模型对《神农本草经》进行命名实体识别。结果:测试结果表明,bilstm-crf模型的精确率89.00%,召回率88.83%,F1值为88.91%,相对于其他模型效果较优。结论:bilstm-crf模型能够有效识别《神农本草经》的实体类型,适用于中医古籍的知识挖掘,有助于中医理论实践和发挥临床应用价值。

关键词：命名实体识别神农本草经中医古籍 bilstm-crf

基于bilstm-crf模型的房屋出租App系统的设计与实现

在线全文

学校读者我要写书评

暂无评论

软件 2024年第1期45卷 18-20页

作者：罗佳李萌贵阳人文科技学院贵州贵阳550025 贵州慧科未来科技有限公司贵州贵安550026

针对文本实体信息抽取优化问题,本文以租赁行业为研究对象,首先,使用爬虫技术对客户发布的信息进行爬取,采用bilstm-crf算法对信息进行实体提取和处理,将处理后的信息存储在数据库中,构建App数据来源的数据层,再基于数据层的数据开发Ap... 详细信息

针对文本实体信息抽取优化问题,本文以租赁行业为研究对象,首先,使用爬虫技术对客户发布的信息进行爬取,采用bilstm-crf算法对信息进行实体提取和处理,将处理后的信息存储在数据库中,构建App数据来源的数据层,再基于数据层的数据开发App应用层。开发的App应用层模块包括用户认证模块和主页模块。bilstm-crf模型比LSTM和Bi LSTM在实体边界的识别率更高,模型准确率、召回率和F1值分别可以达到96.58%,88.94%,92.60%。

关键词： bilstm-crf 数据爬虫 App系统实体提取

基于bilstm-crf的中文分组单字错误识别方法研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2023年第4期37卷 156-165页

作者：曹阳曹存根资康莉王石中国科学院计算技术研究所智能信息处理重点实验室北京100190 中国科学院大学北京100049

近十多年来,中文自动校对取得了许多重要进展,但是单字错别字识别精度和召回率低一直是该领域的一个重要问题。该文提出一种基于bilstm-crf的神经网络模型和单字分组策略识别中文错别字的方法。首先,该文提出一种构建分组单字混淆集的方... 详细信息

近十多年来,中文自动校对取得了许多重要进展,但是单字错别字识别精度和召回率低一直是该领域的一个重要问题。该文提出一种基于bilstm-crf的神经网络模型和单字分组策略识别中文错别字的方法。首先,该文提出一种构建分组单字混淆集的方法,并根据采集的分组单字混淆集自动生成错别字识别训练语料,构造了一个含有13组的汉字单字错别字识别训练语料。其次,针对传统的错别字识别方法在单字错别字召回率较低的问题,该文对错别字识别训练语料中错别字采用多标签标记的策略。再次,针对训练样本存在的数据稀疏问题,该文对训练数据集中的人名、地名、时间和机构名称这四类词语进行抽象。最后,该文利用bilstm-crf的模型在错别字识别训练语料上进行训练。实验结果表明,该文提出的单字错别字识别方法在13组单字上的平均识别精确率为87.30%,平均召回率为84.36%。

关键词： bilstm-crf 分组策略分组单字混淆集错别字识别训练语料

基于bilstm-crf的社会突发事件研判方法

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2022年第3期36卷 154-161页

作者：胡慧君王聪代建华刘茂福武汉科技大学计算机科学与技术学院湖北武汉430065 湖南师范大学智能计算与语言信息处理湖南省重点实验室湖南长沙410081

社会突发事件的分类和等级研判作为应急处置中的一环,其重要性不言而喻。然而,目前研究多数采用人工或规则的方法识别证据进行研判,由于社会突发事件构成的复杂性和语言描述的灵活性,这对于研判证据识别有很大局限性。该文参考“事件抽... 详细信息

社会突发事件的分类和等级研判作为应急处置中的一环,其重要性不言而喻。然而,目前研究多数采用人工或规则的方法识别证据进行研判,由于社会突发事件构成的复杂性和语言描述的灵活性,这对于研判证据识别有很大局限性。该文参考“事件抽取”思想,将事件类型和研判证据作为事件中元素,以bilstm-crf方法进行细粒度的识别,并将二者结合,分类结果作为等级研判的输入,识别出研判证据。最终将识别结果结合注意力机制进行等级研判,通过对研判证据的精准识别来增强等级研判的准确性。实验表明,相比人工或规则识别研判证据,该文提出的方法有着更好的鲁棒性,社会突发事件研判时也达到了较好的效果。

关键词：突发事件分类研判证据识别等级研判 bilstm-crf

结合双层多头自注意力和bilstm-crf的军事武器实体识别

在线全文

学校读者我要写书评

暂无评论

无线电工程 2022年第5期52卷 775-782页

作者：俞海亮彭冬亮谷雨杭州电子科技大学圣光机联合学院浙江杭州310018 杭州电子科技大学自动化学院浙江杭州310018

军事武器实体识别是军事领域本体构建的一项重要任务,基于深度学习方法实现自动军事武器实体识别能够提升军事情报信息检索的效率。为提升军事武器实体识别的精确率,面向网络公开非结构化军事新闻数据,提出了一种结合双层多头自注意力... 详细信息

军事武器实体识别是军事领域本体构建的一项重要任务,基于深度学习方法实现自动军事武器实体识别能够提升军事情报信息检索的效率。为提升军事武器实体识别的精确率,面向网络公开非结构化军事新闻数据,提出了一种结合双层多头自注意力机制和bilstm-crf模型的武器实体识别方法。在bilstm-crf模型的基础上,采用双层自注意力机制,分别在嵌入层提取重要输入特征以及bilstm层提取关键字符信息,并结合军事武器实体构词特点,建立正则匹配模板对识别结果进行校正。构建了包含1196条数据的军事武器数据集,测试结果表明,提出方法的精确率、召回率和F1值分别为0.9293,0.9301和0.9297,相比于经典深度学习模型的最优结果,在精确率、召回率以及F1值上分别提升了1.15%,0.97%和0.97%。

关键词：武器实体识别双层多头自注意力 bilstm-crf 校正

维普期刊数据库博看期刊

基于改进bilstm-crf的命名实体识别

在线全文

学校读者我要写书评

暂无评论

基于改进BiLSTM-CRF的命名实体识别

作者：尚佳琪上海财经大学

学位级别：硕士

命名实体识别是序列标注任务中的一种,其主要工作是提取文本中人名、地址等具有特定意义的实体种类和实体边界.命名实体识别作为上游任务有许多应用领域,因此尽可能提高识别的准确率有助于下游任务的进展和提升.相比于英文实体识别的众... 详细信息

命名实体识别是序列标注任务中的一种,其主要工作是提取文本中人名、地址等具有特定意义的实体种类和实体边界.命名实体识别作为上游任务有许多应用领域,因此尽可能提高识别的准确率有助于下游任务的进展和提升.相比于英文实体识别的众多研究,中文命名实体识别数据集较少且由于中文特点导致研究更为困难.本文着手于中文命名实体识别问题,在目前主流的bilstm-crf的基础上逐步构建改进模型,并在数据集上测试改进效果.本文以字向量代替词向量避免分词错误而造成的影响,应用Spatial Dropout代替传统的Dropout避免过拟合.针对基线模型单层bilstm模型提取特征过于单一的问题,堆叠bilstm网络加深网络结构从而提取不同层次的特征信息,并加入残差连接防止出现退化问题,进而构建Resbilstm-crf模型.在此基础上加入注意力机制重点关注实体及上下文信息,提出了 Resbilstm-MA-crf模型.实体识别过程中不仅关注上下文信息,同时关注样本间实体间的共有特征.本文将外部注意力机制应用于文本领域替代多头注意力机制,完成最终的改进模型Resbilstm-EA-crf的构建.为提高模型精度,避免一字多义的问题,引入BERT预训练模型生成的词向量作为后续模型的输入.最后本文在共十种实体的CLUENER2020数据集上进行实验,实验结果显示最终的改进模型Resbilstm-EA-crf的F1值为0.7239,较基线模型提高了***预训练模型作为词向量的改进模型F1值为0.7718,较未预训练模型提升效果显著,验证了改进模型的有效性.为进一步探究各类别的识别情况,本文对数据集重新划分进行实验,通过解释精度较低领域实体的数据特征提出未来改进方向.

关键词：命名实体识别 bilstm-crf 外注意力机制残差连接

基于改进布谷鸟算法的bilstm-crf优化策略及其在医学命名实体识别中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进布谷鸟算法的BiLSTM-CRF优化策略及其在医学命名实体识别...

作者：李鹏程吉首大学

学位级别：硕士

随着我国医疗信息化进程的不断推进,医疗信息系统积累了海量的医疗数据。这些医疗数据对开展医学领域研究以及医疗实践都具有重要作用。然而,大部分医疗数据都存储在非结构化的文本中,难以直接利用和分析。因此,如何将这些非结构化的医... 详细信息

随着我国医疗信息化进程的不断推进,医疗信息系统积累了海量的医疗数据。这些医疗数据对开展医学领域研究以及医疗实践都具有重要作用。然而,大部分医疗数据都存储在非结构化的文本中,难以直接利用和分析。因此,如何将这些非结构化的医学文本转变为结构化的信息,从而进行充分的挖掘与利用,使其能够更好的支持临床决策辅助诊断和医学知识图谱成为了研究的关键。医学命名实体识别能够从非结构化医学文本中识别和分类医学实体,为医学数据的结构化表示奠定基础。过去几年,为了提升命名实体识别的准确率,学者们构建了一系列复杂的深度学习模型,取得了不错的效果。然而,深度学习模型的性能会受到模型的超参数和架构的影响,针对模型的优化也变得越来越重要。智能优化算法作为一类高效优化算法,利用智能优化算法优化深度学习模型的超参数已成为研究热点之一。布谷鸟搜索算法(Cuckoo Search,CS)作为一种新型的群智能优化算法,具有实现简单、参数少、寻优能力强、在复杂优化问题中效果较好等特点,具备应用于深度学习模型的超参数优化潜力。因此,为了提高医学命名实体识别的准确率,同时拓宽布谷鸟搜索算法的应用领域,本文构建了一种基于改进布谷鸟搜索算法优化bilstm-crf的模型,将其应用到医学命名实体识别任务中,验证改进布谷鸟搜索算法在模型超参数优化上的有效性与优越性。本文的主要工作内容分为以下两部分:首先针对布谷鸟搜索算法收敛速度慢、全局搜索效率低等问题。本文提出了一种融合精英反向学习和黄金正弦算子的改进布谷鸟搜索算法(Improved Cuckoo Search Algorithm,ICS)。改进布谷鸟搜索算法通过引入精英反向学习机制,丰富种群多样性,避免算法迭代后期陷入局部最优,从而提升算法的全局搜索能力。另外黄金正弦算子的加入能够促进种群中一般个体与最优个体之间的信息交流,使得一般个体能够充分吸收与最优个体的位置差信息,加快算法的收敛速度。在14种基准测试函数上的实验结果表明,ICS算法相比另外四种不同的CS算法以及三种经典的群智能算法具有更好的全局搜索能力和更快的收敛速度。实验统计结果分析表明ICS算法的性能更优。其次针对bilstm-crf模型中的关键参数设定过度依赖经验知识,影响模型的拟合能力等问题。本文使用改进的布谷鸟搜索算法优化bilstm-crf模型中的超参数,从而构建识别效果更好的医学命名实体识别模型。实验结果表明,经过ICS优化后的bilstm-crf模型相比不经过优化的模型在医学命名实体识别数据集中的大多数评估指标均得到了一定程度的提升,医学实体的识别效果更好。另外通过对比布谷鸟搜索算法、遗传算法和粒子群算法优化超参数后的bilstm-crf模型的医学实体识别效果发现,使用ICS优化超参数后的模型的识别效果更好,进一步说明了改进布谷鸟搜索算法在bilstm-crf模型超参数优化中的有效性与优越性。

关键词：布谷鸟搜索算法超参数优化医学命名实体识别 bilstm-crf

基于bilstm-crf的轴承剩余寿命预测方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于BiLSTM-CRF的轴承剩余寿命预测方法

作者：张鑫北京化工大学

学位级别：硕士

滚动轴承的健康运行对机械设备的安全具有极其重要的作用,为防止滚动轴承失效而导致机械故障,通过对滚动轴承退化机理进行研究,实现对其剩余寿命的预测,已成为制造行业研究领域中的热点问题。本文通过分析滚动轴承的振动信号,研究了基... 详细信息

滚动轴承的健康运行对机械设备的安全具有极其重要的作用,为防止滚动轴承失效而导致机械故障,通过对滚动轴承退化机理进行研究,实现对其剩余寿命的预测,已成为制造行业研究领域中的热点问题。本文通过分析滚动轴承的振动信号,研究了基于自编码器的特征融合方法,基于Bi LSTM-crf的轴承剩余寿命预测方法。本文主要研究工作如下:1)基于轴承的失效形式、退化规律和主流的振动信号特征提取研究,通过分析并提取轴承的振动特征,针对传统自编码器融合特征范围无法确定的问题,改进自编码器的激活函数和训练方式,通过实验验证,有效提取了滚动轴承的退化特征。2)针对现有神经网络算法预测鲁棒性差的问题,提出了基于Bi LSTM-crf的轴承剩余寿命预测方法,结合crf算法的全局搜索能力,有效去除了Bi LSTM网络输出的异常值。通过实验验证,该方法在保证原有精度的同时,较好的解决了输出不稳定的问题。3)轴承由健康逐渐退化至损坏,为了避免轴承的损坏引起的安全故障,预测系统应对轴承退化晚期更加敏感,因而为提高轴承剩余寿命预测算法对轴承退化中后期的敏感性和运行速度,提出了基于指数映射的SMSE损失函数和基于位置编码的轴承数据抽取方法,并对轴承剩余寿命预测的网络结构进行优化,通过实验验证,该方法能够提高轴承退化后期的预测能力。

关键词：轴承剩余寿命 RUL bilstm-crf

基于多分类bilstm-crf的电网启动方案结构化数据转换模型研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力信息与通信技术 2023年第1期21卷 54-61页

作者：张大波郭怀新储伟王博欣合肥工业大学新能源利用与节能安徽省重点实验室安徽省合肥市230009 国网安徽省电力有限公司淮北供电公司安徽省淮北市235000 国网安徽省电力有限公司安庆供电公司安徽省安庆市246001 国网山东省电力公司荣成市供电公司山东省荣成市264300

随着电网结构日渐复杂,电网新设备启动愈来愈多,依赖电网运行人员手工编制启动方案无法满足电网智能管理需求。基于大量历史电网新设备启动方案数据,智能编制电网新设备启动方案成为研究的重点。但电网历史新设备启动方案为非结构化数据... 详细信息

随着电网结构日渐复杂,电网新设备启动愈来愈多,依赖电网运行人员手工编制启动方案无法满足电网智能管理需求。基于大量历史电网新设备启动方案数据,智能编制电网新设备启动方案成为研究的重点。但电网历史新设备启动方案为非结构化数据,无法直接利用。为将非结构化数据转化为结构化数据、提高命名实体识别准确率,文章提出多分类bilstm-crf模型,通过word2vec将编码启动方案利用余弦相似度生成相似度矩阵,将启动方案按相似度分类,利用Bi LSTM-crf训练多个模型,最后标注出识别结果,将非结构化数据转化为结构化数据。通过小规模数据集验证,结果表明,文章所提算法在准确率、训练时间、F1值上均取得较好结果,能够准确将历史电网新设备启动方案转化为结构化数据,给研究人员提供数据基础。

关键词：命名实体识别 bilstm-crf 新设备启动结构化数据