期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LERT和BiTCN的金融领域命名实体识别
1
作者 陈雪松 王璐瑶 王浩畅 《计算机技术与发展》 2025年第3期125-132,共8页
针对传统的命名实体识别方法难以解决金融文本中一词多义且文本的语义特征提取不够充分的问题,提出了一种基于LERT-BiTCN-CRF的金融领域命名实体识别模型。首先,使用LERT模型对输入的金融文本进行预训练以生成相对应字符向量;然后,通过... 针对传统的命名实体识别方法难以解决金融文本中一词多义且文本的语义特征提取不够充分的问题,提出了一种基于LERT-BiTCN-CRF的金融领域命名实体识别模型。首先,使用LERT模型对输入的金融文本进行预训练以生成相对应字符向量;然后,通过在TCN内部增加反向卷积层将其改进为BiTCN,采用BiTCN对字符向量进行编码以提取字符向量的全局语义特征;最后,通过CRF进行解码以得到最佳的预测标签序列。在公开数据集ChFinAnn和自制数据集FinanceNER两个金融领域数据集上进行对比实验,该模型在两个数据集上的F1值分别达到了84.16%和92.17%。相较于其它模型,该模型在金融领域的命名实体识别任务中效果更好,表明该模型具有一定的有效性。同时又在公开的Resume数据集上进行对比实验,该模型F1值相较于基线模型BiGRU-CRF提升2.31%,表明该模型具有一定的泛化性。 展开更多
关键词 lert模型 金融领域 命名实体识别 双向时间卷积网络 条件随机场
在线阅读 下载PDF
基于LERT和双通道模型的微博评论情感分析研究 被引量：1
2
作者 荀竹 《计算机时代》 2023年第10期80-82,88,共4页
为了高效监管舆论环境、加强网络舆情引导,提出一种基于LERT和双通道模型的微博评论情感分析方法。使用LERT预训练语言模型进行语义分析,通过BiGRU和TextCNN双通道结构获取文本信息,将双通道处理结果输入分类层获得情感分析结果。实验表... 为了高效监管舆论环境、加强网络舆情引导,提出一种基于LERT和双通道模型的微博评论情感分析方法。使用LERT预训练语言模型进行语义分析,通过BiGRU和TextCNN双通道结构获取文本信息,将双通道处理结果输入分类层获得情感分析结果。实验表明,该模型方法的正确率和F1值分别达到92.09%和94.38%,优于其他深度学习模型。 展开更多
关键词 情感分析 lert 预训练语言模型 双通道 深度学习
在线阅读 下载PDF
基于LERT多特征融合的牛只健康养殖命名实体识别方法
3
作者 付振 孙伟 +1 位作者 曹姗姗 孔繁涛 《农业工程学报》 2026年第4期260-270,共11页
为了解决牛只健康养殖领域中文语料匮乏及命名实体识别难题,该研究构建了包含17种实体类别且涵盖舍内环境、疫病防控、饲料饮水等多个维度的中文命名实体识别语料库CHNERC,提出了一种基于LERT多特征融合的牛只健康养殖命名实体识别模型L... 为了解决牛只健康养殖领域中文语料匮乏及命名实体识别难题,该研究构建了包含17种实体类别且涵盖舍内环境、疫病防控、饲料饮水等多个维度的中文命名实体识别语料库CHNERC,提出了一种基于LERT多特征融合的牛只健康养殖命名实体识别模型L-BISC。在向量表示层,使用LERT作为预训练语言模型,在提升中文语义处理效果的同时,可有效捕捉长文本中的上下文信息;在特征抽取层,采用双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与空洞卷积神经网络(iterated dilated convolutional neural network,IDCNN)联合抽取特征,增强序列表示能力,进一步融合长距离依赖与局部特征;在特征融合层,引入缩放点积多头注意力机制(scaled dot-product multi-head attention,SDPMHA),加强模型对长距离依赖的建模能力,提升实体边界识别与类别判别的准确性;在解码阶段,通过条件随机场(conditional random field,CRF)对标签序列进行全局优化,保证输出结果的结构合理性。结果表明,L-BISC模型在牛只健康养殖语料库上准确率达到90.45%,召回率为90.76%,F1值达到90.57%,优于主流的BERT、RoBERTa等模型;17种类别实体识别的准确率均超过80%,L-BISC模型能够有效利用文本语义和时序特征;BiLSTM+IDCNN+SDPMHA的多模型特征抽取方式,对L-BISC模型的性能和特征融合能力起到积极作用。该研究丰富了牛只健康养殖领域中文命名实体识别语料库,为牛只健康养殖NER提供了高精度的方法,可为相关领域的自然语言处理任务提供方法借鉴与参考。 展开更多
关键词 牛 健康养殖 lert模型 多特征融合 命名实体识别
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部