融合显性特征和隐性特征的古文命名实体识别模型

本发明公开了一种融合显性特征与隐性特征的古文命名实体识别模型，属于自然语言处理领域。方法包括：首先采用预训练GuwenBERT模型结合多头自注意力机制提取文本显性语义特征；其次通过旋转位置编码捕捉汉字相对位置，结合词性标注和部首解析模块分别获取语法特征与字形语义来构建隐性特征层；继而设计多头交叉注意力机制，引入可学习动态权重实现自适应特征融合，使显性特征与位置/词性/部首三类隐性特征进行交互；最终通过条件随机场进行全局标签解码。该模型创新性地整合了古文特有的语法规则和汉字形义特征，实验表明其F1值显著优于基线模型，适用于古籍数字化、历史文献分析等领域，为数字人文研究提供了有效的技术支撑。