《表1 BERT-Bi LSTM-CRF与其他方法的比较[17]》
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。
图表编号 | XD00224552800 严禁用于非法目的 |
---|---|
绘制时间 | |
作者 | 石教祥、朱礼军、望俊成、王政、魏超 |
绘制单位 | 中国科学技术信息研究所、中国科学技术信息研究所、中国科学技术信息研究所、中国科学技术信息研究所、中国科学技术信息研究所 |
更多格式 | 高清、无水印(增值服务) |