基于混合式迁移学习的命名实体识别算法OA北大核心CSTPCD
NAMED ENTITY RECOGNITION ALGORITHM BASED ON MIXED TRANSFER LEARNING
针对命名实体识别领域中大量标注数据难于获取而带来的问题,提出基于混合式迁移学习的命名实体识别算法——MT-NER.利用样本之间的距离作为权衡样本相似性的标准,进行样本迁移以扩充目标域样本;利用模型迁移建立带有finetune的新命名实体识别网络结构,用扩充后的目标域数据集来训练网络.以医疗领域为例的实验结果分析表明,MT-NER算法在小样本数据中的实体识别效果最佳,精度达到93.31％,召回率达到89.5％,F1值达到0.931 7,与BiLST…查看全部>>
In the field of named entity recognition,it is difficult to obtain a large number of labeled data.To solve this problem,this paper proposes a named entity recognition algorithm based on mixed transfer learning named MT-NER.The distance between the samples was used as the criterion to balance the similarity of the samples,and the instances-based transfer learning was carried out to expand the target domain samples.A new named entity recognition network struct…查看全部>>
余肖生;张合欢;陈鹏
三峡大学计算机与信息学院 湖北宜昌 443002三峡大学计算机与信息学院 湖北宜昌 443002三峡大学计算机与信息学院 湖北宜昌 443002
计算机与自动化
命名实体识别迁移学习双向LSTM-CRF分布自适应
Named entity recognitionTransfer learningBidirectional LSTM-CRFDistribution adaptation
《计算机应用与软件》 2024 (8)
303-310,8
国家重点研发计划项目(2016YFC0802500).
评论