面向招标物料的命名实体识别研究及应用

来源：计算机工程与应用杂志2023年第2期北京时间：

作者：米健霞, 谢红薇

单位：太原理工大学 软件学院，太原 030024

摘要：招标领域中各单位对物料数据的书写方法各不相同，通过对物料数据的实体识别能够实现对物料数据的标准化，为后续的物料查询及分析提供基础。传统的物料命名实体识别方法存在分词不准确，无法有效地处理一词多义，没有考虑中文特有的字形特征等问题，从而影响识别效果。针对上述问题，提出了一种CB-BiLSTM-CRF模型，采用卷积神经网络对汉字的五笔编码进行提取，与BERT所获得的字符特征相结合，以增强不同语境中的语法和语义信息的表征能力，通过BiLSTM模型对组合特征进行深层次提取处理，CRF模型获得最优序列结果。实验结果表明，该模型在收集到的招标领域中物料数据的F1值达到95.82%，优于其他常用模型。同时，在此基础上搭建了“智能物料”在线识别网页平台，用户可以快速在大量数据中提取到有效信息。

关键词：命名实体识别,招标物料识别,BERT预训练模型,双向长短期记忆网络,条件随机场