-
题名基于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
-
机构
东北石油大学电气信息工程学院
东北石油大学计算机与信息技术学院
-
出处
《计算机技术与发展》
2025年第3期125-132,共8页
-
基金
国家自然科学基金资助项目(61402099,61702093)。
-
文摘
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。
-
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
-
Keywords
lert model
financial field
named entity recognition
bi-directional temporal convolutional network(BiTCN)
conditional random field(CRF)
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于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
-
机构
湖北工业大学理学院
-
出处
《计算机时代》
2023年第10期80-82,88,共4页
-
文摘
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。
-
关键词
情感分析
lert
预训练语言模型
双通道
深度学习
-
Keywords
sentiment analysis
lert
pre-training language model
dual channel
deep learning
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
