關鍵詞：深度學習 作戰文書 命名實體識別 神經網絡 

摘要：隨著深度學習技術的不斷發展,基于雙向長短期記憶網絡和條件隨機場的神經網絡模型被廣泛應用到作戰文書以及軍事命名實體識別的研究中。提出了一種基于CNN-BiLSTM-CRF的作戰文書命名實體識別方法,首先利用卷積神經網絡(CNN)提取字符級特征向量,而后與詞向量、詞性特征向量進行拼接作為輸入,從而達到提高識別率的目的。同時,分析命名實體在不同分類標注情況下,對模型性能所產生的影響,并提出一種針對作戰文書命名實體識別的細分類標注策略。實驗結果證明,該模型相對于其他方法表現出了更好的性能,且細分類的標注體系對于特征表達有一定的幫助。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社