排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
中文地址解析是地址匹配的重要环节,广泛应用于地址检索、地理编码和地址信息识别等方面.但传统地址解析方法存在覆盖度有限、人工参与过多和泛化能力较差等问题.为发挥深度学习模型在深层结构上自动学习上下文特征的优势,提出一种基于BERT-BiLSTM-CRF深度学习模型的中文地址解析方法:依据中文地址要素多级分类体系,扩展BIOES标注方法并进行地址语料标注;基于预训练语言模型,构建融合BERT、BiLSTM和CRF的综合深度学习模型,通过BERT预训练语言模型获取富含语义信息的字符向量,弥补静态词向量特异性缺失的问题,提高复杂地址要素的提取能力.以2019年深圳市地址数据为例进行模型性能评估,该方法对于多数中文地址要素的解析准确率达90％以上;相比IDCNN-CRF和BiLSTM-CRF等深度学习模型,该方法对只具有小规模地址语料时的地址解析效果更优,且在解析多种地址要素类型时能保持良好的性能. 相似文献
1