基于训练模型改进的语音问句信息抽取方法

摘要：

为进一步提高客户语音问句实体信息抽取的准确性,增强智能问答系统知识图谱中信息抽取技术的整体效果,首先对语义标注进行优化,随后在BiLSTM-CRF(bidirectional long short-term memory conditional random filed)基础上加入BERT(bidi-rectional encoder representation from transformers)模型对句子进行实体抽取学习.在具体实验中,以语音问句事件文本为数据来源,对其进行语义标注和实体抽取实验.结果 表明,在语义标注优化的基础上同时加入BERT改进模型,信息抽取结果均高于BiLSTM-CRF方法,且改进模型的调和平均值达到91.53％,即可为增强事件实体信息抽取提供实践意义.

关键词：语义标注;信息抽取;语音问句;深度学习模型

所属期刊栏目：21

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;国家社会科学基金青年项目

在线出版日期：2022-01-04（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：7635-7641