针对电子目标情报数据种类繁多、关联关系复杂，电子目标图谱存在实体抽取混乱、语义容易发生歧义等问题，将BiLSTM-CRF模型和BERT模型......

信息抽取是从海量结构化、非结构化数据中进行知识发现的重要途径。金融作为强数据驱动行业,及时高效地获取有用信息是进行风险评......

命名实体识别（Named Entity Recognition,NER）的主要任务是识别出文本中人名、地名和机构名等专有名词,作为自然语言处理（Natural Lan......

针对地理信息服务领域(Geographic Information Services,GIServices)在实体自动识别方面存在缺乏语料、多种实体嵌套、语义稀疏等......

作为审判活动最终产品的裁判文书包含了丰富的信息,通过对其进行命名实体识别,可以为裁判文书知识图谱的构建打下基础。目前,在裁......

目的:针对中医医案中分词困难及实体种类繁多、歧义等难点,提出基于双向长短期记忆(BiLSTM)网络和条件随机场(CRF)的深度学习混合......

本文针对徽派建筑数据异构多源和非结构化的特点,提出一种BiLSTM-CRF模型与徽派建筑词典相结合的命名实体识别方法,利用先验知识的......

随着知识图谱在很多领域得到较好的应用,它作为一个新兴的知识研究点,在知识管理和语义领域具有较强的实用性,受到很多学者的关注......

近年来,随着电子商务的迅猛发展,网购评论作为传统口碑的数字化版本己经成为网络消费评价的最主要信息来源之一。一方面,大量理论......

目的:随着多年来国家对医院信息系统的建设,大量的医疗数据被输入、储存以及不断的调用,然而对医疗数据的处理方面依然是短板。以......

利用BERT预训练模型的优势,将句法特征与BERT词嵌入模型融入到深度学习网络中,实现细粒度的商品评价分析。提出一种基于深度学习的......

[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应......

针对传统的新词发现中,数据的稀疏性使一些低频新词无法识别等问题,提出一种对分词结果计算信息量且将深度学习模型BiLstm-CRF用于......

自然语言文本中存在大量否定和不确定表述,识别这些信息并将其与确定性内容分离,对自然语言处理的下游应用,如信息抽取、信息检索......

“互联网+农业”凭借大数据、人工智能等前沿技术推动农业生产、病害防治及销售等方面的发展取得了重要成果。“智慧农业”已成为......

否定表达作为自然语言文本中常见的语言现象,对自然语言处理上层应用,如情感分析、信息抽取等,具有十分重要的意义。否定聚焦点识......

数字博物馆作为传统博物馆在时空维度的延伸,并在大数据、人工智能等技术的大力推动下,已发展为一种新兴展示模式,在我国文物信息......