%0 Journal Article %A 李韧 %A 李童 %A 杨建喜 %A 莫天金 %A 蒋仕新 %A 李东 %T 基于Transformer-BiLSTM-CRF的桥梁检测领域命名实体识别 %D 2021 %R %J 中文信息学报 %P 83-91 %V 35 %N 4 %X 作为我国桥梁工程领域最重要的数据源之一,桥梁检测文本蕴含了丰富的结构构件参数及检测病害描述等关键业务信息,但面向该领域的文本信息抽取研究尚未有效开展。该文在阐明其领域命名实体识别目标任务的基础上,分析了待识别实体在蕴含大量专业术语的同时,存在地名或路线名嵌套、字符多义、上下文位置相关和方向敏感等领域特性。鉴于此,该文提出一种基于Transformer-BiLSTM-CRF的桥梁检测领域命名实体识别方法。首先,利用Transformer编码器对检测文本字符序列的上下文长距离位置依赖特征进行建模,并采用BiLSTM网络进一步捕获方向敏感性特征,最终在CRF模型中实现标注序列预测。实验结果表明,相较于当前主流的命名实体识别模型,该文提出的方法具有更好的综合识别效果。 %U http://jcip.cipsc.org.cn/CN/abstract/article_3120.shtml