计算机工程

作者：张应成,杨洋,蒋瑞,全兵,张利君,任晓雷

单位：1.四川大学 计算机学院,成都 610065; 2.四川省计算机研究院,成都 610041; 3.成都瑞贝英特信息技术有限公司,成都 610041; 4.四川智仟科技有限公司,成都 610041; 5.中移(苏州)软件技术有限公司,江苏 苏州 215000; 6.四川黑马数码科技有限公司,四川 泸州 646000

关键词：条件随机场, 双向长短时记忆网络, 语言模型, 命名实体识别, 深度学习

基金：四川省科技计划项目(18PTDJ0085,2019YFH0075,2018GZDZX0030);泸州市科技计划项目(2017CDLZ-G25)。

结合语言模型条件随机场(CRF)和双向长短时记忆(BiLSTM)网络,构建一种BiLSTM-CRF模型,以提取商情文本序列中的招标人、招标代理以及招标编号3类实体信息。将规范化后的招标文本序列按字进行向量化,利用BiLSTM神经网络获取序列化文本的前向、后向文本特征,并通过CRF提取出双向本文特征中相应的实体。实验结果表明,与传统机器学习算法CRF相比,该模型3类实体的精确率、召回率和F1值平均提升15.21%、12.06%和13.70%。

来源：2019年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第5期