基于 BERT 模型的科研人才领域命名实体识别

来源：计算机技术与发展杂志2021年第11期北京时间：

作者：王俊;';王修来*;栾伟先;叶帆

单位：1. 南京信息工程大学 管理工程学院,江苏 南京 210044;2. 南京传媒学院 传媒技术学院,江苏 南京 211172;3. 中国人民解放军 31102 部队,江苏 南京 210002

摘要：科研人才的发现和挖掘不仅可为学者画像、研究领域热度分析、科研成果预测等诸多环节提供基础信息支撑, 也是提升精准服务科研人才和推动前 沿科技智能化水平的关键技术。 针对传统机器学习算法对科研人才领域命名实体识别准确效率低、高度依赖语料库以及分词不准确等问题, 文中面向科研人才的基础属性和科研属性,对该领域命名实体进行了类别和标注符号的定义,形成了 7 大类共计 19 小类的命名实体。 通过使用 BERT 模型生成词向量,结合 BiLSTM 对上下文关系的记忆能力和 CRF 对标注规则的学习能力, 构建了面向科研人才领域的命名实体识别 BERT-BiLSTM-CRF 模型。 模型在包含 6 134 条科研咨询语料库中进行了训练和参数微调,对网络爬取的科研人才相关数据上测试结果表明,该模型取得了较好的识别效果。

关键词：BERT 模型;命名实体识别;科研人才;机器学习;自然语言处理