基于Bi-LSTM+CRF模型的航母情报实体识别方法应用

在军事情报方面，舰船信息的复杂性使得舰船情报分析不易开展。知识识别无足够的标注数据可利用；通用领域实体识别方法效果不佳。针对舰船情报分析需求，采用自然语言处理技术，可大大提高利用效率。本文创建航母编队的中文实体识别语料库，利用双向长短时记忆神经网络加条件随机场（Bi-LSTM+CRF）的模型方法，训练中文实体识别模型，实现了航母编队情报信息的实体识别。实验证明，该方法提高了航母编队情报信息领域命名实体识别的效率。