基于BLSTM_attention_CRF模型的新能源汽车领域术语抽取

来源：计算机应用研究杂志2019年第5期北京时间：

作者：马建红,张亚梅,姚爽,张炳斐,郭昌宏,

单位：河北工业大学计算机科学与软件学院,天津300401；

摘要：为提高新能源汽车领域术语抽取准确率，面向新能源汽车专利文本提出一种领域术语抽取模型。传统的领域术语抽取方法过度依赖人工定义特征和领域知识，无法自动挖掘隐含特征，其识别性能过度依赖所选特征的质量。从深度学习的角度出发，提出了一种基于attention的双向长短时记忆网络（bidirectional long short-term memory，BLSTM）与条件随机场（conditional random fields，CRF）相结合的领域术语抽取模型（BLSTM_attention_CRF模型），并使用基于词典与规则相结合的方法对结果进行校正，准确率可达到86%以上，方法切实可行。

关键词：领域术语抽取,attention机制,双向长短时记忆网络,条件随机场,词典,规则,