基于多头卷积残差连接的文本数据实体识别AET-电子技术应用-最丰富的电子设计资源平台

基于多头卷积残差连接的文本数据实体识别
所属分类：技术论文
上传者：wwei
文档大小：1297 K
标签：深度学习命名实体识别神经网络
所需积分：0分积分不够怎么办？
文档介绍：为构建工作报告中的文本数据关系型数据库，针对非结构化文本数据中有效信息实体提取问题以及传统网络在提取信息时特征丢失问题，设计了一种基于深度学习的实体识别模型RoBERTa-MCR-BiGRU-CRF，首先利用预训练模型RoBERTa作为编码器，将训练后的词向量输入到多头卷积残差网络层MCR扩充语义信息，接着输入到门控循环BiGRU层进一步提取上下文特征，最后经过条件随机场CRF层解码进行标签判别。经过实验，模型在工作报告数据集上F1值达到96.64%，优于其他对比模型；并且在数据名称实体类别上，F1值分别比BERT-BiLSTM-CRF和RoBERTa-BiGRU-CRF提高了3.18%、2.87%，结果表明该模型能较好地提取非结构化文本中的有效信息。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动