论文摘要
[目的/意义]由于中文字符语义较为复杂、上下文信息关联较紧密,因此中文命名实体识别难度较大。基于此,提出一种深度学习方法,有效识别涉恐信息实体。[方法/过程]以反恐怖主义信息网获取的全球恐怖主义报道为实验数据集,利用BiLSTM网络完成语句的上下文关联语义分析并初步预测标注,后接入特征强调的CRF层依据语法结构添加约束,确保标签预测值的准确性并得到词性标注结果,实现了涉恐信息实体识别。[结果/结论]基于BiLSTM网络与BiLSTM-CRF进行两组对比实验,结果表明,基于BiLSTM-CRF的涉恐信息实体识别模型准确率与召回率均高达90%以上,能有效获取涉恐人员、恐怖主义机构及暴恐实施地点等重要信息。
论文目录
文章来源
类型: 期刊论文
作者: 黄炜,黄建桥,李岳峰
关键词: 条件随机场,命名实体识别,涉恐信息
来源: 情报杂志 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 湖北工业大学经济与管理学院
基金: 国家自然科学基金项目“微博环境下实时主动感知网络舆情事件的多核方法研究”(编号:71303075),“大数据环境下基于特征本体学习的无监督文本分类方法研究”(编号:71571064)研究成果之一
分类号: TP391.1
页码: 149-156
总页数: 8
文件大小: 4157K
下载量: 655