武器工业与军事技术论文_面向武器装备领域的复 - 装备维修技术杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

武器工业与军事技术论文_面向武器装备领域的复

作者:

关键词:

摘要：

文章摘要:针对武器装备中复杂实体的特点，提出了融合多特征后挂载武器装备领域知识的复杂命名实体识别方法。该方法首先使用BERT模型在武器装备领域数据上进行预训练得到数据向量，使用Word2Vec模型学习郑码、五笔、拼音、笔画的上下位特征，获取特征向量。将数据向量和特征向量融合后利用Bi-LSTM模型进行编码，再使用CRF解码得到标签序列。最后基于武器装备领域知识对标签序列进行复杂实体的触发检测，完成复杂命名实体识别。实验使用环球军事网数据作为语料，分析不同的特征组合和神经网络模型下的识别效果。并提出适用评价复杂命名实体识别结果的计算方法。结果表明，提出的挂载领域知识且融合多特征的武器装备复杂命名实体识别方法的F值达到95.37%，优于现有方法，证明了本文方法的有效性。

文章关键词:

项目基金:《装备维修技术》网址: http://www.zbwxjs.cn/qikandaodu/2021/1117/1831.html