面向招标物料的命名实体识别研究及应用

摘要：

招标领域中各单位对物料数据的书写方法各不相同,通过对物料数据的实体识别能够实现对物料数据的标准化,为后续的物料查询及分析提供基础.传统的物料命名实体识别方法存在分词不准确,无法有效地处理一词多义,没有考虑中文特有的字形特征等问题,从而影响识别效果.针对上述问题,提出了一种CB-BiLSTM-CRF模型,采用卷积神经网络对汉字的五笔编码进行提取,与B E RT所获得的字符特征相结合,以增强不同语境中的语法和语义信息的表征能力,通过BiLSTM模型对组合特征进行深层次提取处理,CRF模型获得最优序列结果.实验结果表明,该模型在收集到的招标领域中物料数据的F1值达到95.82％,优于其他常用模型.同时,在此基础上搭建了"智能物料"在线识别网页平台,用户可以快速在大量数据中提取到有效信息.

关键词：命名实体识别、招标物料识别、BERT预训练模型、双向长短期记忆网络、条件随机场

所属期刊栏目：59

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省自然科学基金

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：314-320