基于BiLSTM-CRF纪检监察事件命名实体识别
Computer Simulation(2022)
摘要
根据纪检监察领域的任务需求,构建了纪检监察事件语料库为数据集,使用BIOES序列标注方法标记该数据集的实体,并提出BiLSTM-CRF(双向长短期记忆网络-条件随机场)深度学习模型进行纪检监察事件的命名实体识别,该方法对事件中纪检监察机构,人名以及该嫌疑人所受处分名三类命名实体进行识别.采用BiLSTM,BiLSTM-CRF进行对比实验.实验结果显示,使用的方法对三类实体识别的P、R、F值分别为99.63%,99.63%,99.63%,验证了所提方法在纪检监察领域的有效性,证明本研究可以有效获取纪检监察事件中的重要实体信息.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要