基于LERT和BiTCN的金融领域命名实体识别

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：陈雪松;王璐瑶;王浩畅

单位：1. 东北石油大学 电气信息工程学院,黑龙江 大庆 163318;2. 东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318

摘要：针对传统的命名实体识别方法难以解决金融文本中一词多义且文本的语义特征提取不够充分的问题,提出了一种基于 LERT-BiTCN-CRF 的金融领域命名实体识别模型。 首先,使用 LERT 模型对输入的金融文本进行预训练以生成相对应字符向量;然后,通过在 TCN 内部增加反向卷积层将其改进为 BiTCN,采用 BiTCN 对字符向量进行编码以提取字符向量的全局语义特征;最后,通过 CRF 进行解码以得到最佳的预测标签序列。 在公开数据集 ChFinAnn 和自制数据集 FinanceNER 两个金融领域数据集上进行对比实验,该模型在两个数据集上的 F1 值分别达到了 84. 16% 和 92. 17% 。 相较于其它模型,该模型在金融领域的命名实体识别任务中效果更好,表明该模型具有一定的有效性。 同时又在公开的 Resume 数据集上进行对比实验,该模型 F1 值相较于基线模型 BiGRU-CRF 提升 2. 31% ,表明该模型具有一定的泛化性。

关键词：LERT模型;金融领域;命名实体识别;双向时间卷积网络;条件随机场