基于BERT-BiLSTM-CRF的法律案件实体智能识别方法

在智能法务系统应用中,人工智能自然语言处理相关技术常采用静态特征向量模型,算法效率低,精度偏差较大.为了对法律文本中的案件实体进行智能识别,提高案件的处理效率,针对动态字向量模型提出以基于转换器的双向编码表征模型作为输入层的识别方法.在其基础上通过融合双向长短期记忆网络和条件随机场模型,构建了高精度的法律案件实体智能识别方法,并通过实验验证了模型的性能.     

基于校园计算机网络安全技术研究

近几年来,随着信息技术的不断发展,计算机在各个生产及生活领域均得到了广泛应用,目前计算机网络建设已经成为校园重要的基础设施和师生的基本教学平台。但是计算机网络技术给师生的学习和生活带来方便的同时,也带来了信息安全问题,使得信息在网络中破坏及泄露,为此,提高校园计算机网络的安全技术具有重要意义。下面本研究首先分析了校园计算机网络存在的安全隐患,然后针对问题提出校园计算机网络安全防范技术,以供参考。