顾及上下文语境的交通命名实体自动识别方法

网络文本中蕴含着大量的交通信息，对交通命名实体识别是地情变化监测、交通实体更新的重要前提。针对交通命名实体识别任务中缺少专业标注数据和有效识别方法导致识别效果无法满足需求的问题，文中提出一种融合深度学习模型的交通命名实体自动提取方法。该方法首先利用语言表征模型充分融合语境来提取文本特征，然后通过结合双向神经网络模型来学习上下文语境，最终由条件随机场模型对输出进行约束得到全局最优标记序列实现交通实体的识别。实验证明，该方法准确率可以达到90%以上，能够实现对交通实体的有效识别。