网络环境下资源丰富导致教育技术学信息量大,使得学习者认知效率低、注意力无法集中,最终偏离学习的目标并且无法完成特定的学习任务.为了解决学习者在网络学习中遇到的这些问题,该文提出一种结合BERT-BiLSTM-CRF的教育技术学主干课程命名实体识别方法,以提高学习者学习效率为目的.首先构建教学技术学主干课程命名实体识别数据集,将文本转换成计算机可识别的形式,使用BERT语言模型进行文本特征提取获取字粒度向量矩阵;然后使用双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)提取输入语句与上下文之间字与字的关系;最后使用条件随机场(Conditional Random Field,CRF)模型,根据标签之间的依赖关系提取全局最优的输出标签序列;最终得到教育技术学主干课程命名实体.实验结果表明,该模型的识别效果优于CRF、BiLSTM-CRF,该模型的精确率、召回率和F1值均有提升,整体识别性能较高.
Named Entity Recognition Method in Educational Technology Field Based on BERT
万方数据
维普
