摘要
一种基于深度学习的实体抽取方法无需对特征进行构造筛选,可自动学习数据特征,具有较好的泛化能力、能够大幅增加实体识别的精度、提高命名实体识别的准确性且实现自主航行船舶应急知识结构化,同时在管理方面的信息化与智能化水平得到有效提升的自主航行船舶突发事件案例实体抽取模型方法。技术方案是:包括下列步骤:S1:采集自主航行船舶应急语料数据,并根据采集到的自主航行船舶应急语料数据得到训练集;S2:构建BERT‑BiLSTM‑Att‑CRF抽取模型;S3:使用训练集对所述BERT‑BiLSTM‑Att‑CRF抽取模型进行训练,得到用于自主航行船舶突发事件案例实体抽取模型。本发明还公开了抽取模型构建装置。
技术关键词
BiLSTM模型
模型构建装置
船舶
CRF模型
训练集
标签
矩阵
BERT模型
上下文特征
sigmoid函数
实体抽取方法
序列特征
数据模块
多头注意力机制
模型构建方法
命名实体识别
系统为您推荐了相关专利信息
稳定性评估方法
微震事件
矿井水
微震监测
地质力学参数
图片
生成方法
生成向量
训练样本集
输入神经网络模型
中医药
糖尿病动物模型
指标
训练预测模型
生化分析仪