基于深度学习与规则结合的海运货物邮件命名实体识别

来源：计算机应用与软件杂志2024年第4期北京时间：

作者：滕俊凯, 张俊

摘要：针对海运货物邮件实体识别中存在识别精度不高、实体边界确定困难的问题, 提出一种结合深度学习与规则匹配的识别方法。其中:深度学习方法是在BiLSTM-CRF(Bidirectional Long Short Term Memory-Conditional Random Field)模型的基础上添加词的字符级特征, 并融入多头注意力机制以捕获邮件文本中长距离依赖; 规则匹配方法则根据领域实体特点制定规则来完成识别。根据货物邮件特点将语料进行标注并划分为:货物名称、货物重量、装卸港口、受载期和佣金五个类别。在自建语料中设置多组对比实验, 实验表明所提方法在海运货物邮件实体识别的F1值达到79.3%。

关键词：命名实体识别, 海运货物邮件, 多头注意力机制, 字符级特征, 规则匹配