文献类型：期刊文献

中文题名：改进的知识迁移景点实体识别算法研究及应用

英文题名：Identifying Scenic Spot Entities Based on Improved Knowledge Transfer

作者：赵平[1];孙连英[2];涂帅[1];卞建玲[3];万莹[1]

第一作者：赵平

机构：[1]北京联合大学智慧城市学院,北京100101;[2]北京联合大学城市轨道交通与物流学院,北京100101;[3]北京中电普华信息技术有限公司,北京100192

第一机构：北京联合大学智慧城市学院

年份：2020

卷号：4

期号：5

起止页码：118-125

中文期刊名：数据分析与知识发现

外文期刊名：Data Analysis and Knowledge Discovery

收录：CSTPCD;;国家哲学社会科学学术期刊数据库;北大核心:【北大核心2017】；CSSCI:【CSSCI2019_2020】；CSCD:【CSCD_E2019_2020】；

基金：国家重点研发计划项目“多方法综合探测数据融合与智能识别技术研究”(项目编号:2018YFC0807806);教育部科研创新基金项目“大数据驱动下的都市轨道交通安全应急决策模式研究”(项目编号:2018A01003)的研究成果之一。

语种：中文

中文关键词：迁移学习;BERT;条件随机场;景点实体识别

外文关键词：Transfer Learning;BERT;Conditional Random Fields;Scenery Spot Recognition

摘要：【目的】解决景点实体识别中标注数据难以获取的问题。【方法】提出一种改进的知识迁移景点实体识别算法,通过对人民日报的数据集进行关键词、句子以及可扩展能力三种级别的实验评估扩展数据集。【结果】实验结果表明,本文方法在仅使用少量标注数据时,其准确率相比使用全部标注数据的模型提高1.62%。【局限】对样本扩展能力考虑的特征较少,可能影响模型效果。【结论】解决了景点实体识别中严重依赖标注数据质量的问题,为旅游自动化推荐提供技术支持。
[Objective] This paper addresses the issues facing labeled data in the recognition of scenic spots.[Methods] We proposed an improved knowledge transfer algorithm for entity recognition and used datasets from the People’s Daily to evaluate our new model. [Results] Our method’s accuracy was 1. 62% higher than the model using all labeled data. [Limitations] More research is needed to examine the expansion of samples.[Conclusions] The proposed method uses less labeled data in entity recognition and provides better technical support for tourism recommendation.