融合对抗训练与迭代膨胀卷积的藏医药命名实体识别方法

拉毛杰; 万玛才旦; 拥措; 高兴; 尼玛扎西

doi:10.16249/j.cnki.2096-4617.2025.01.011

高原科学研究 ›› 2025, Vol. 9 ›› Issue (1) : 105 -118. DOI: 10.16249/j.cnki.2096-4617.2025.01.011

融合对抗训练与迭代膨胀卷积的藏医药命名实体识别方法

拉毛杰, 万玛才旦, 拥措, 高兴, 尼玛扎西

作者信息 +

Author information +

文章历史 +

摘要

当前藏文命名实体识别模型在处理藏医药领域的实体识别任务时，往往面临迁移性和泛化能力受限以及语义关联捕捉不充分和实体边界模糊等问题。文章提出一种融合对抗训练与迭代膨胀卷积的藏医药文本命名实体识别模型（TM-ATD）。该方法首先基于《四部医典》构建了藏文音节标注的数据集TibetanAI＿YUTOK＿NER。其次采用预训练模型对藏文音节进行特征编码，融合对抗训练生成对抗样本以增强模型鲁棒性和泛化能力；通过双向长短时记忆网络捕捉序列依赖关系；采用迭代膨胀卷积全面捕捉文本上下文信息和全局特征，并利用多头自注意力机制增强局部上下文的理解能力，强化实体边界信息和文本语义关联。最后采用条件随机场进行解码操作输出最优标签序列。实验结果表明，融合对抗训练与迭代膨胀卷积的方法在藏医药文本数据集和藏文数据集TibetanAI＿NER上的F1值分别达到了76.59%和54.91%，相较于基线模型，F1分别提升了3.03%和0.77%。