共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于注意力阅读理解式的中文命名实体识别模型显示文摘为了改善传统基于阅读理解的命名实体识别方法存在的缺陷,提出一种基于注意力的阅读理解实体识别方法。该方法首先通过来自变换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)模型对实体类型的问题语句和待处理的文本进行编码,其次使用注意力网络关联二者,最后通过Span网络进行序列解码,提取出相应的实体类型。实验结果表明,该方法的F1值大于对照组的F1值,能够更准确地判断实体类型。 | 乐书豪 | 2023 | 信息与电脑2023，35，10： | 0 |
| 2 | 基于深度学习的中文命名实体快速识别研究显示文摘当前的中文命名实体快速识别层一般设置为单向目标,识别范围受限制,导致快速识别丢失率增加,为此提出对基于深度学习的中文命名实体快速识别的设计与验证研究。根据实际的识别需求及标准,先进行识别特征的提取,采用多目标的形式,打破识别范围的限制,设定识别节点及多目标识别层,构建深度学习中文命名实体识别模型,采用自适应交叉处理实现中文命名实体快速识别。最终的测试结果表明:对比于传统融合自注意力的ALBERT中文命名实体快速识别测试组、传统BERT-DeepCAN-CRF中文命名实体快速识别测试组,此次所设计的深度学习中文命名实体快速识别测试组最终得出的快速识别丢失率被较好地控制在21%以下,说明此种识别处理方法的针对性与稳定性较强,对于复杂的识别环境仍然可以对所需要抽取的数据信息进行精准定位,强化处理效果,误差可控,具有实际的应用价值。 | 袁梦璐 郭小燕 | 2023 | 软件2023，44，8： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员