清华大学学报(自然科学版)

作者：尹学振, 赵慧, 赵俊保, 姚婉薇, 黄泽林

单位：1. 华东师范大学 软件工程学院, 上海 200062;<br>2. 华东师范大学 上海市高可信计算重点实验室, 上海 200062;<br>3. 北京遥感信息研究所, 北京 100085

关键词：军事命名实体识别,双向偏码器(BERT),模糊边界,多神经网络

基金：赵慧,教授,

互联网公开数据蕴含着大量高价值的军事情报，成为获取开源军事情报的重要数据源之一。军事领域命名实体识别是进行军事领域信息提取、问答系统、知识图谱等工作的基础性关键任务。相比较于其他领域的命名实体，军事领域命名实体边界模糊，界定困难；互联网媒体中军事术语表达不规范，随意性的简化表达现象较普遍；现阶段面向军事领域的公开语料鲜见。该文提出一种考虑实体模糊边界的标注策略，结合领域专家知识，构建了基于微博数据的军事语料集MilitaryCorpus；提出一种多神经网络协作的军事领域命名实体识别模型，该模型通过基于Transformer的双向编码器（bidirectional encoder representations from transformers，BERT）的字向量表达层获得字级别的特征，通过双向长短时记忆神经网络（bi-directional long short-term memory，BiLSTM）层抽取上下文特征形成特征矩阵，最后由条件随机场层（conditional random field，CRF）生成最优标签序列。实验结果表明：相较于基于CRF的实体识别模型，应用该文提出的BERT-BiLSTM-CRF模型召回率提高28.48%，F值提高18.65%；相较于基于BiLSTM-CRF的实体识别模型，该文模型召回率提高13.91%，F值提高8.69%；相较于基于CNN（convolutional neural networks）-BiLSTM-CRF的实体识别模型，该文模型召回率提高7.08%，F值提高5.15%。

来源：2020年第8期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2020年第8期