首页|基于BERT模型的网络文本地理信息命名实体识别

基于BERT模型的网络文本地理信息命名实体识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
随着互联网的快速发展,网络文本蕴含的地理信息日益丰富.由于网络文本具有数量庞大、动态性强的特点,地理实体的种类和数量也在激增.然而,现有的地理信息命名实体识别研究能够识别的实体类型极其有限.针对此问题,将BERT-BiGRU-CRF模型作为命名实体识别模型,以地理信息领域学术论文作为知识库来源,对行政区划实体、林地实体、交通实体及水域实体进行识别.实验结果表明,该模型在上述四种实体识别任务中取得的F1值均超过了90%,其中行政区划实体识别的效果最佳.模型整体F1值达到92.26%,优于传统的命名实体识别模型BiGRU、CRF及BiGRU-CRF模型.
Named Entity Recognition of Geographic Information in Web Text Based on BERT

王立、严霞、王斌、杨杰、汪玉翔

展开 >

贵州电网有限责任公司电网规划研究中心,贵州 贵阳 550003

BERT模型 命名实体识别 地理信息 BiGRU-CRF模型

南方电网公司重点科技项目

067600KK52200002

2024

10.3969/j.issn.1009-0134.2024.05.023

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(5)
  • 28