融合注意力机制的RoBERTa-BiLSTM-CRF语音对话文本命名实体识别 |
| |
引用本文: | 张劭韡,虞云飞,郭晓芸,周晶,夏阳.融合注意力机制的RoBERTa-BiLSTM-CRF语音对话文本命名实体识别[J].数字技术与应用,2023(5):4-6+51. |
| |
作者姓名: | 张劭韡 虞云飞 郭晓芸 周晶 夏阳 |
| |
作者单位: | 国家电网有限公司客户服务中心南方分中心 |
| |
摘 要: | <正>本文基于国网客服中心95598语音转文本数据,采用Ro BERTa语言模型对语句进行向量表示与特征提取,通过添加机制,模型可以关注与当前输出相关的信息,并获得文本中的潜在语义信息。通过对照组实验,本文构造的模型能够有效提高实体识别精准程度,且该模型在文本数据集上的抽取效果明显优于其他模型。命名实体识别(Named Entity Recognition,NER)获取有关子任务的信息,搜索分配给文本的对象,并将其分类到预定义的类别中。命名实体识别是自然语言处理中的热点研究方向之一,用于识别和分类文本中的相关实体的类别。命名实体识别的准确度,
|
|
|