基于双向LSTM的军事命名实体识别

计算机工程与科学

基于双向LSTM的军事命名实体识别

李健龙，王盼卿，韩琪羽

（陆军工程大学石家庄校区装备模拟训练中心,河北石家庄 050001）

收稿日期:2018-05-30 修回日期:2018-07-13 出版日期:2019-04-25 发布日期:2019-04-25

Military named entity recognition based on bidirectional LSTM

LI Jianlong，WANG Panqing，HAN Qiyu

（Equipment Simulation Training Center,Shijiazhuang Campus of the Army Engineering University,Shijiazhuang 050001,China)

Received:2018-05-30 Revised:2018-07-13 Online:2019-04-25 Published:2019-04-25

摘要/Abstract

摘要：

为了减少传统的命名实体识别需要人工制定特征的大量工作，通过无监督训练获得军事领域语料的分布式向量表示，采用双向LSTM递归神经网络模型解决军事领域命名实体的识别问题，并且通过添加字词结合的输入向量和注意力机制对双向LSTM递归神经网络模型进行扩展和改进，进而提高军事领域命名实体识别。实验结果表明，
提出的方法能够完成军事领域命名实体的识别，并且在测试集语料上的F-值达到了87.38%。

关键词: 命名实体识别, 长短时记忆递归神经网络, 注意力机制

Abstract:

In order to reduce the large amount of work that traditional named entity recognition needs to manually formulate features, we obtain distributed vector representations of the military domain corpus through unsupervised training, and utilize the bidirectional LSTM (BLSTM) recursive neural network model to solve the identification problem of named entities in the military field. The BLSTM recursive neural network model is extended and improved by adding wordbinding input vectors and attention mechanism to enhance the recognition of named entities in the military field. Experimental results show that the proposed method can identify named entities in the military field, and the Fvalue in the test set corpus reaches 87.38%.

Key words: named entity recognition, long and shortterm memory recursive neural network, attention mechanism

李健龙，王盼卿，韩琪羽. 基于双向LSTM的军事命名实体识别[J]. 计算机工程与科学.

LI Jianlong，WANG Panqing，HAN Qiyu. Military named entity recognition based on bidirectional LSTM[J]. Computer Engineering & Science.

编辑推荐

Metrics

阅读次数

全文

326

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	326	0	0

来源	本网站	其他网站

次数	241	85
比例	74%	26%

摘要

273

最新录用	在线预览	正式出版

273	0	0

	来源	本网站

	次数	273
	比例	100%

[1]	徐超, 阮荣耀, 陈勇, . 一种基于区块链的医疗数据审计方法[J]. 计算机工程与科学, 2025, 47(01): 95-106.
[2]	陈兆波, 张琳, 马晓轩. 改进注意力混合自动编码器视频异常检测研究[J]. 计算机工程与科学, 2025, 47(01): 130-139.
[3]	付燕, 杨旭, 叶鸥. 基于CNN和Transformer特征融合的烟雾识别方法[J]. 计算机工程与科学, 2024, 46(11): 2045-2052.
[4]	余佳妮, 胡朝霞, 蒋从锋. 一种基于多特征的日志事件异常检测方法研究[J]. 计算机工程与科学, 2024, 46(09): 1587-1597.
[5]	刘国岐, 何廷年, 荣艺煊, 李卓然. 基于用户轨迹和好友关系的兴趣点推荐[J]. 计算机工程与科学, 2024, 46(09): 1693-1701.
[6]	刘晓华, 徐茹枝, 杨成月. 一种基于多特征融合嵌入的中文命名实体识别模型研究[J]. 计算机工程与科学, 2024, 46(08): 1473-1481.
[7]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[8]	丁建平, 李卫军, 刘雪洋, 陈旭. 命名实体识别研究综述[J]. 计算机工程与科学, 2024, 46(07): 1296-1310.
[9]	田红鹏, 吴璟玮. RIB-NER：基于跨度的中文命名实体识别模型[J]. 计算机工程与科学, 2024, 46(07): 1311-1320.
[10]	王泽宇, 徐慧英, 朱信忠, 李琛, 刘子洋, 王子奕. 基于YOLOv8改进的密集行人检测算法：MER-YOLO[J]. 计算机工程与科学, 2024, 46(06): 1050-1062.
[11]	邓翔宇, 裴浩媛, 盛迎. 基于网络融合的改进MobileViT人脸表情识别[J]. 计算机工程与科学, 2024, 46(06): 1072-1080.
[12]	张玉莹, 朱广丽, 谈光璞, . 基于情感增强和语义依存的金融隐式情感分析模型[J]. 计算机工程与科学, 2024, 46(06): 1112-1120.
[13]	尹春勇, 赵峰. 基于双层注意力和深度自编码器的时间序列异常检测模型[J]. 计算机工程与科学, 2024, 46(05): 826-835.
[14]	赵金源, 贾迪. 改进YOLOv5的多人姿态估计修正算法[J]. 计算机工程与科学, 2024, 46(05): 852-860.
[15]	马长林, 孙状. 基于实体知识的远程监督关系抽取[J]. 计算机工程与科学, 2024, 46(05): 945-950.