基于双重深度迁移学习的机械领域命名实体识别OA北大核心CSTPCD
NAMED ENTITY RECOGNITION IN THE MECHANICAL FIELD BASED ON DOUBLE TRASFER LEARNING
针对机械工程领域缺乏标注语料问题,提出一种基于双重深度迁移学习的中文命名实体识别方法.该方法同时将迁移学习应用于预训练语言模型迁移和整体模型迁移,并结合机械工程领域知识进行微调,建立了双重深度迁移学习模型DT-BLC.以齿轮专利为例,利用统计学的方法对识别后的实体进行研究分析.实验结果表明,在小规模数据集上进行机械工程领域命名实体识别时,DT-BLC模型的精确率、召回率、F1分别达到88.98％、92.51％和90.71％,均优于其他模型,且对识…查看全部>>
臧凌玉;张应中;罗晓芳
大连理工大学机械工程学院 辽宁大连116024大连理工大学机械工程学院 辽宁大连116024大连理工大学机械工程学院 辽宁大连116024
信息技术与安全科学
机械工程领域双重迁移学习深度学习命名实体识别专利分析
《计算机应用与软件》 2022 (9)
融合语义表示和关系学习的产品设计理性隐性知识获取与重用机制研究
219-224,6
国家自然科学基金项目(51775081).
评论