首页|区域地质调查文本中文命名实体识别

区域地质调查文本中文命名实体识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础.笔者等在阐述地质命名实体识别任务基础上,分析地质实体不仅包含大量专业术语,还存在实体嵌套、大量长实体等领域特性,进一步增加了地质命名实体识别难度.笔者等提出一种基于轻量级预训练模型(ALBERT)-双向长短时记忆网络(BiLSTM)-条件随机场(CRF)模型的地质命名实体识别方法.首先利用ALBERT对输入字符上下文特征进行建模,并采用BiLSTM对其进行进一步上下文特征表征,最后采用CRF实现标注序列预测.实验结果表明,在构建的地质命名实体识别数据集上,相比于主流的命名实体识别模型算法,本文所提出的方法具有更好的抽取性能,提出的命名实体识别模型能为领域实体识别提供借鉴,同时为地学领域实体关系抽取和地学知识图谱构建提供有力方法支撑.
Chinese named entity recognition for regional geological survey text

Geological named entity recognitionALBERT pre-trained modelsknowledge graphregional geological survey

邱芹军、田苗、马凯、谢忠、金相国、段雨希、陶留锋

展开 >

中国地质大学(武汉)计算机学院,武汉,430074

中国地质大学(武汉)地理信息系统国家地方联合工程实验室,武汉,430074

湖北省水电工程智能视觉监测重点实验室,湖北宜昌,443002

三峡大学计算机与信息学院,湖北宜昌,443002

中国地质大学(武汉)国家地理信息系统工程技术研究中心,武汉,430074

展开 >

地质命名实体识别 轻量级预训练模型 ALBERT 知识图谱 地质报告

国家重点研发计划国家自然科学基金中国博士后科学基金

2022YFF0711601420501012021M702991

2023

10.16509/j.georeview.2023.01.085

地质论评
中国地质学会

地质论评

CSTPCDCSCD北大核心
影响因子：1.842
ISSN：0371-5736
年,卷(期)：2023.69(4)
  • 2
  • 17