基于卷积神经网络的中文景点识别研究

来源：计算机工程与应用杂志2020年第4期北京时间：

作者：刘小安，彭涛

单位：1.北京联合大学 智慧城市学院，北京 100101；2.北京联合大学 机器人学院，北京 100101

摘要：命名实体识别是自然语言处理任务的重要环节。近年来，基于深度学习的通用命名实体识别模型取得显著效果。而在旅游领域，中文旅游景点实体识别主要依赖于特征工程的方法。提出一种基于CNN-BiLSTM-CRF的网络模型，该模型不使用任何人工特征，通过神经网络充分对文本的局部信息特征进行抽象化抽取和表示，并学习和利用文本的上下文信息，实现对景点实体的识别。实验结果显示，该方法能够有效识别中文旅游景点实体，并在实验中取得[F1]值93.9%的效果。

关键词：中文命名实体识别,深度学习,景点识别,卷积神经网络（CNN）,双向长短记忆网络（BiLSTM）,条件随机场（CRF）