面向金融新闻的命名实体识别方法  

作　　者：李淦 

机构地区：[1]同济大学电子与信息工程学院,上海201804

出　　处：《电脑知识与技术》2024年第18期4-6,共3页Computer Knowledge and Technology

基　　金：国家自然科学基金(72274138)。

摘　　要：命名实体识别是自然语言处理的基本任务之一。针对金融新闻领域中传统模型识别效果一般的问题,本文提出了一种基于迁移语料库训练的ELMo-BiLSTM-CRF模型的方法。实验通过对金融新闻数据集进行标注和分词等处理,使用迁移训练的ELMo模型进行词向量生成,BiLSTM模型提取文本特征,最后利用条件随机场(CRF)对文本特征进行分类。与其他传统模型相比,该方法在实体识别的精准率、召回率和F1值上均有显著提升。

关 键 词：命名实体识别 ELMo 条件随机场 BiLSTM 金融新闻 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]