您当前的位置：
首页 >
文章列表页 >
考虑特征稀疏特性的短文本命名实体快速识别方法
计算机科学与技术 | 更新时间：2025-05-26

    • 考虑特征稀疏特性的短文本命名实体快速识别方法

    • Fast recognition method of short text named entities considering feature sparsity

    • “在自然语言处理领域，研究者构建了BR-BiLSTM-CRF模型，有效提高了文本命名实体识别的准确性和效率。”
    • 吉林大学学报（工学版）   2023年53卷第12期 页码：3529-3535
    • 作者机构：

      1.华北理工大学 人工智能学院， 河北 唐山 063210

      2.华北理工大学 河北省工业智能感知重点实验室， 河北 唐山 063210

      3.北京科技大学 计算机与通信学院，北京 100083

      4.北京科技大学 材料领域知识工程北京市重点实验室， 北京 100083

    • 作者简介：

      马月坤（1976-），女，教授，硕士.研究方向：自然语言处理.E-mail：mayuekun@163.com

    • 基金信息：
      中央高校基本科研业务费项目(FRF-DF-20-04);河北省三三三人才项目(A201803083)

    • DOI：10.13229/j.cnki.jdxbgxb.20221137    

      中图分类号： TP391.1

    • 收稿：2022-10-12，

      纸质出版：2023-12-01

    移动端阅览

  • 马月坤,郝益锋.考虑特征稀疏特性的短文本命名实体快速识别方法[J].吉林大学学报（工学版）,2023,53(12):3529-3535. DOI： 10.13229/j.cnki.jdxbgxb.20221137.

    MA Yue-kun,HAO Yi-feng.Fast recognition method of short text named entities considering feature sparsity[J].Journal of Jilin University(Engineering and Technology Edition),2023,53(12):3529-3535. DOI： 10.13229/j.cnki.jdxbgxb.20221137.

  •  
  •  

0

浏览量

8

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于机器阅读理解的事件检测方法
生物医学命名实体识别的两阶段学习算法
基于深度神经网络的诉辩文本争议焦点识别
基于层次过滤模型的中文指代消解
一种基于LDA的k话题增量训练算法

相关作者

丁鲲
刘浏
刘茗
刘姗姗
车翔玖
刘全乐
潘明阳
徐欢

相关机构

国防科技大学 第六十三研究所
宿迁学院 信息工程学院
吉林大学 计算机科学与技术学院
吉林大学 符号计算与知识工程教育部重点实验室
吉林大学 软件学院
0