生物医学命名实体识别词向量神经网络CNN-BLSTM-CRF模型命名实体识别是自然语言处理任务的重要步骤.近年来,不依赖人工特征的神经网络在新闻等通用领域命名实体识别方面表现了很好的性能.然而在生物医学领域,许多实验表明基于领域知识的人工特征对于神经网络模型的结果影响很大.因此,如何在不依赖人工特征的情况下获得较好的生物...
因此,如何在不依赖人工特征的情况下获得较好的生物医学命名实体识别性能是有待解决的问题。该文提出一种基于CNN-BLSTM-CRF的神经网络模型。首先利用卷积神经网络(CNN)训练出单词的具有形态特征的字符级向量,并从大规模背景语料训练中得到具有语义特征信息的词向量,然后将二者进行组合作为输入,再构建适合生物医学命名实体...
摘要 本发明公开了一种基于CNN+BLSTM+CRF的老挝语复杂人名地名实体识别方法。本发明主要融合了老挝语语言学特征到算法模型中,在模型的使用中选择了多种模型融合的方法,提高识别精度,选用的算法模型为CNN+BLSTM+CRF。首先利用CNN将老挝语每个词的字符作为输入,输出特定长度的字符级特征向量。之后将老挝语词语作为输入到...
计算机工程 . 2021,第012期 6. 基于CNN-BLSTM-CRF模型的生物医学命名实体识别 [C] . 李丽双 ,郭元凯 . 第十六届全国计算语言学学术会议暨第五届基于自然标注大数据的自然语言处理国际学术研讨会 . 2017 7. 基于CNN和BLSTM的特征融合的语音情感识别研究 [A] . 吕...
摘要 随着网络的发展,网络舆情数据呈现出爆炸式增长的趋势.使得数据类型越来越复杂,这些网络数据相互结合,构成了一个复杂的数据结构来表达数据的信息.在舆情数据中,通过单一类型的数据(图片、文本、语音等)越来越难以完整的表达数据信息.对于一个包含多种类型数据的网络信息,本文提出一种新的舆情分类模型,通过神经...
传统的命名实体识别方法依赖大量的人工选择的特征和专业领域的外部知识,针对这一问题,提出了一种新颖的神经网络结构,该算法结合了双向LSTM,CNN和CRF可以同时自动获取到基于字符级别和词语级别的表示,是一种真正意义上的端到端的结构,不再需要人工选择特征和数据的预处理,可以应用到各个领域的命名实体识别任务中去.最后...
本发明公开了一种基于CNN+BLSTM+CRF的老挝语复杂人名地名实体识别方法.本发明主要融合了老挝语语言学特征到算法模型中,在模型的使用中选择了多种模型融合的方法,提高识别精度,选用的算法模型为CNN+BLSTM+CRF.首先利用CNN将老挝语每个词的字符作为输入,输出特定长度的字符级特征向量.之后将老挝语词语作为输入到BLSTM中,...
基于CNN与CRF的桥梁裂缝检测算法 摘要 针对实际场景中桥梁裂缝检测精度不高的问题,提出一种基于卷积神经网络与条件随机场的裂缝检测算法.使用特征提取网络对原图进行处理,提取适合裂缝检测的特征;通过区域推荐网络对原始图片中存在裂缝的候选区域进行初步定位;将得到的候选区域作为分类与回归网络的输入,利用条件随机场对该...