深度学习模型在地理命名实体识别中的应用研究

声明

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1 命名实体识别

1.2.2 基于神经网络模型的识别方法

1.2.3 存在问题

1.3 研究目标与研究内容

1.3.1 研究目标

1.3.2 研究内容

1.4 技术路线

第二章 地理文本与文本表示原理

2.1 地理文本的特点

2.2 基于Word2vec方法的字符转向量原理

1 CBOW模型

2 SKIP-gram模型

2.3 地理文本的标记方法

第三章 传统的命名实体识别方法

3.1 命名实体识别概念

3.2 命名实体识别方法

3.2.1 基于规则的识别方法

3.2.2 基于统计的识别方法

3.3 传统命名实体识别方法的局限性

第四章 基于深度学习的命名实体识别方法

4.1 深度学习方法识别原理

4.2 深度学习网络识别模型评价体系

4.3 BILSTM+CRF模型

4.3.1 LSTM神经网络

4.3.2 BILSTM神经网络模型

4.3.3 BILSTM+CRF结构

4.4 BERT模型

4.4.1 Attention机制

4.4.2 BERT模型的预处理过程

4.4.3 Transformer 模型

4.5 BERT+BILSTM+CRF模型创建

第五章 地理命名实体识别实验与分析

5.1 实验准备与环境配置

5.2 实验分析

5.2.1 实验1：基于规则匹配的识别方法

5.2.2 实验2：基于BILSTM+CRF模型的识别方法

5.2.3 实验3：基于BERT+CRF模型的识别方法

5.2.4 实验4：基于BERT+BILSTM+CRF模型的识别方法

5.2.5 实验方法效果对比

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢