基于RoBERTa-CNN-BiLSTM-CRF的“數(shù)據(jù)結(jié)構(gòu)”課程知識(shí)命名實(shí)體識(shí)別

打開文本圖片集

摘要：傳統(tǒng)命名實(shí)體方法識(shí)別準(zhǔn)確率不高，難以在知識(shí)領(lǐng)域得到有效體現(xiàn)。基于RoBERTa-BiLSTM-CRF模型進(jìn)行改進(jìn)，在RoBERTa與BiLSTM層之間增加CNN進(jìn)行局部特征提取。通過BERT改進(jìn)版RoBERTa，將文本序列轉(zhuǎn)換為高維向量表示，捕捉深層語(yǔ)義信息。CNN進(jìn)行卷積操作，生成捕捉文本局部信息的特征圖。（剩余4230字）