基于ERNIE-BMBD-CRF模型的中文课程问句命名实体识别方法研究

摘要

随着智慧教育的快速普及，如何将课程知识点以更直观的形式进行展示，帮助学生更加高效地学习，已成为教育信息化领域一项重要的研究课题.传统中文命名实体识别方法因忽略文字上下文联系而不易推出被掩盖的文字，因此提出一种基于ERNIE-BMBD-CRF(EBC)模型的课程问句命名实体识别方法，以有效地从课程问句中识别出知识点实体.首先利用ERNIE预训练语言模型对文本词向量进行表征，然后构建BMBD层，通过BiLSTM模型进行上下文语义特征提取，将边界扩散机制引入到多头注意力机制MHA中以增强实体边界信息的捕捉.最后在CRF模型中进行序列标签解码，从而完成命名实体识别.实验结果表明：该模型在CLUENER2020、MSRA两个公开数据集和自建课程语料数据集上的F1值分别为87.45%、98.48%、81.49%,均优于其他对比模型.

关键词

教育信息化 / 命名实体识别 / ERNIE预训练语言模型 / 边界扩散