基于Bi-LSTM+CRF模型的航母情报实体识别方法应用

扫码查看

原文链接

万方数据
维普

中文摘要：在军事情报方面,舰船信息的复杂性使得舰船情报分析不易开展.知识识别无足够的标注数据可利用;通用领域实体识别方法效果不佳.针对舰船情报分析需求,采用自然语言处理技术,可大大提高利用效率.本文创建航母编队的中文实体识别语料库,利用双向长短时记忆神经网络加条件随机场(Bi-LSTM+CRF)的模型方法,训练中文实体识别模型,实现了航母编队情报信息的实体识别.实验证明,该方法提高了航母编队情报信息领域命名实体识别的效率.

外文标题：The carrier intelligence entity recognition based on Bi-LSTM+CRF model

作者：

许山山、史涯晴

展开 >

作者单位：

陆军工程大学指挥控制工程学院,江苏南京 210007

关键词：

航母情报分析双向长短时记忆神经网络实体识别

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.01.008