期刊专题

10.11925/infotech.2096-3467.2019.1031

基于深度学习的食品安全事件实体一体化呈现平台构建

引用
[目的]促进食品安全监管,加强对食品安全突发事件的预测、预警和应急响应工作,方便相关专业科研人员开展拓展研究,以及向民众简明直观地呈现食品安全事件发展态势.[方法]基于各大权威新闻网站上的食品安全事件新闻报道,经语料清洗、标注、组织构建了食品安全事件实体语料库,利用深度学习技术,对比分析Bi-LSTM、Bi-LSTM-CRF、IDCNN、IDCNN-CRF和BERT模型在食品安全事件实体语料库上的实体识别效果.[结果]在十折交叉验证中,BERT模型表现最佳,最高F值达到81.39%,平均F值较IDCNN-CRF和Bi-LSTM-CRF模型分别提升5.50%和2.58%.基于Bi-LSTM-CRF模型,构建了食品安全事件实体一体化呈现平台.[局限]对复合式行政区划地点实体的识别能力有待提升.[结论]构建的语料库、模型及呈现平台能有效地为政策制定及食品行业监管提供参考建议.

深度学习、食品安全事件实体、Bi-LSTM-CRF、BERT

5

G255(图书馆学、图书馆事业)

江苏省高等学校哲学社会科学研究项目;南京农业大学中央高校基金项目;国家社会科学基金;湖北省协同创新中心项目

2021-05-27(万方平台首次上网日期,不代表论文的发表时间)

共13页

12-24

暂无封面信息
查看本期封面目录

数据分析与知识发现

2096-3467

10-1478/G2

5

2021,5(3)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn