[发明专利]命名实体识别方法、装置、存储介质及电子设备

权利要求书

1.一种命名实体识别方法，其特征在于，所述方法包括：

获取专业领域原始数据并构建数据集；

构建BERT-BiLSTM-CRF模型，并利用所述数据集训练所述BERT-BiLSTM-CRF模型；所述BERT-BiLSTM-CRF模型包括：BERT预训练模型层、BiLSTM网络层，以及CRF推理层；

利用训练后的所述BERT-BiLSTM-CRF模型进行命名实体识别。

2.如权利要求1所述的方法，其特征在于，所述获取专业领域原始数据并构建数据集包括：

基于社交媒体获取专业领域原始数据；所述专业领域包括汽车领域；

对所述原始数据进行数据清洗、数据标准化、文本分词，以及序列标注处理，获得数据集；

将所述数据集按照一定比例分成训练集、测试集、验证集。

3.如权利要求1所述的方法，其特征在于，所述BERT预训练模型层用于将每个字符进行编码得到对应字符的字向量；所述BiLSTM网络层用于将所述字向量组成的序列双向编码获取新的特征向量；所述CRF推理层用于基于所述新的特征向量输出概率最大的标签序列。

4.如权利要求2所述的方法，其特征在于，所述方法还包括：

将所述测试集和验证集输入到训练后的所述BERT-BiLSTM-CRF模型进行测试，以评估所述BERT-BiLSTM-CRF模型的性能。

5.一种命名实体识别装置，其特征在于，所述装置包括：

数据获取模块，用于获取专业领域原始数据并构建数据集；

模型训练模块，用于构建BERT-BiLSTM-CRF模型，并利用所述数据集训练所述BERT-BiLSTM-CRF模型；所述BERT-BiLSTM-CRF模型包括：BERT预训练模型层、BiLSTM网络层，以及CRF推理层；

命名实体识别模块，用于利用训练后的所述BERT-BiLSTM-CRF模型进行命名实体识别。

6.如权利要求5所述的装置，其特征在于，所述数据获取模块获取专业领域原始数据并构建数据集包括：

基于社交媒体获取专业领域原始数据；所述专业领域包括汽车领域；

对所述原始数据进行数据清洗、数据标准化、文本分词，以及序列标注处理，获得数据集；

将所述数据集按照一定比例分成训练集、测试集、验证集。

7.如权利要求5所述的装置，其特征在于，所述模型训练模块中所述BERT预训练模型层用于将每个字符进行编码得到对应字符的字向量；所述BiLSTM网络层用于将所述字向量组成的序列双向编码获取新的特征向量；所述CRF推理层用于基于所述新的特征向量输出概率最大的标签序列。

8.如权利要求6所述的装置，其特征在于，所述装置还包括：模型性能评估模块，用于将所述测试集和验证集输入到训练后的所述BERT-BiLSTM-CRF模型进行测试，以评估所述BERT-BiLSTM-CRF模型的性能。

9.一种计算机可读存储介质，其特征在于，其存储用于命名实体识别的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的命名实体识别方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1-4任一项所述的命名实体识别方法。