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
天津师范大学;