TY -的A2 -古普塔,Suneet Kumar盟——徐合盛盟,胡本PY - 2022 DA - 2022/03/17 TI -法律文本识别使用LSTM-CRF深学习模型SP - 9933929六世- 2022 AB -在法律文本中,命名实体识别(尼珥)是研究使用深度学习模型。首先,双向(Bi)的短期记忆(LSTM)条件随机场(CRF)模型建立了研究法律文本的尼珥。第二,不同的注释方法用于比较和分析的实体识别影响Bi-LSTM-CRF模型。最后,其他客观损失函数将比较和分析Bi-LSTM-CRF模型的实体识别的效果。研究结果表明,模型的F1值训练语料库词序列标识的命名实体是88.13%,高于这个词序列标注语料库。对于这两种类型的实体,地名和组织名称,F1值使用分词Bi-LSTM-CRF模型获得的67.60%和89.45%,分别高于F1值获得的模型使用字符分割。因此,使用分词Bi-LSTM-CRF模型更适合识别扩展实体。参数学习结果使用对数似是比使用的最大间隔标准,它是理想的Bi-LSTM-CRF模型。该方法为法律文字识别的研究提供了思想和具有一个特定的价值。SN - 1687 - 5265 UR - https://doi.org/10.1155/2022/9933929 - 10.1155 / 2022/9933929摩根富林明计算智力和神经科学PB - Hindawi KW - ER