基于字符注意力与词典特征的教育领域实体识别

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：王萌;刘春刚;赵华;

摘要：针对现有的实体识别方法未考虑教育领域术语对模型识别性能的影响,导致模型性能不佳以及知识实体边界模糊问题,提出了一种基于字符注意力与词典特征的教育领域实体识别方法。 该方法首先通过 BERT 预处理语言模型根据上下文语义信息生成字向量,提出基于词性的字符注意力机制重新分配句子中字的权重。 然后与构建的教育领域词典特征拼接融合,将其输入到 BiLSTM 网络与 IDCNN 网络提取特征,通过注意力机制将两层的输出动态组合,对两层的输出进行加权,从而融合新的特征。 最后通过条件随机场进行计算,得到实体对应的标签序列。 与现有方法相比,该方法在教育学科领域文本库中获得了更高的精度,识别结果的准确率、召回率、F1 值分别为 90. 71% ,91. 37% ,91. 04% 。

关键词：实体识别;词典特征;字符注意力;IDCNN;条件随机场