《表1 BERT-Bi LSTM-CRF与其他方法的比较[17]》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向少量标注数据的命名实体识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

其中BERT作为语义表示输入，Bi LSTM抽取特征，CRF获取概率最大标签。与传统的NER模型相比，该模型最关键的是BERT语言模型的引入，BERT通过无监督建模的方式学习海量互联网语义信息，能充分表征实体的语义信息。在人民日报（1998年）语料中进行实验，实验结果（如表1）表明，基于BERT的预训练迁移学习模型能有效提高分类的准确率。