一种基于多特征融合学习的领域知识图谱实体识别方法

本发明属于领域知识图谱实体识别技术领域，具体公开了基于多特征融合学习的领域知识图谱实体识别方法，包括：将句子序列输入至BERT模型转化为高维向量提取全局语义特征，得到词向量；将词向量输入至BiLSTM+Fused attention网络进行双向序列建模，得到增强后的特征，并对增强后的特征进行多特征融合，得到标签序列；将标签序列输入至CRF层进行全局优化，得到符合命名实体的语法规则和上下文逻辑的输出序列，完成领域知识图谱实体识别。本发明解决了领域知识图谱中命名实体识别由于数据的稀缺性或难以获取，导致生成的知识图谱在专业领域的覆盖度和准确性上存在限制的问题，提高了命名实体识别的精确度和召回率。