基于BERT-FLAT-CRF模型的中文时间表达式识别

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：时间信息识别是自然语言处理中非常重要的任务.传统中文时间表达式识别中常用的机器学习方法需构造大量特征模板,词向量为单一向量,不具有多义性,且难以获取长距离依赖.针对这些问题提出BERT-FLAT-CRF深度学习网络架构,利用Bert提升词向量表达,FLAT融合时间词汇特征,最后通过CRF提取最优序列标注.在TempEval-2语料中取得93.12％的准确率和92.15％的召回率,均优于其它算法模型,在自建数据集中与其它深度学习模型相比,该方法同样具有较好的效果,可有效提升对中文时间表达式的识别能力.

外文标题：Chinese Time Expression Recognition Based on BERT-FLAT-CRF Model

作者：

朱乐俊、王卫民

展开 >

作者单位：

江苏科技大学计算机学院,江苏镇江212003

关键词：

信息抽取时间表达式深度学习 BERT FLAT

出版年：

2021

DOI：

10.11907/rjdk.202294