原文传递
基于BERT-Bi-LSTM-CRF模型的自主式交通系统参与主体识别方法
| 题名： | 基于BERT-Bi-LSTM-CRF模型的自主式交通系统参与主体识别方法 |
| 正文语种： | 中文 |
| 作者： | 唐进君;庹昊南;刘佑;付强 |
| 作者单位： | 中南大学交通运输工程学院 |
| 关键词： | 智能交通;命名实体识别;知识图谱;BERT-Bi-LSTM-CRF;知识建模 |
| 摘要： | 自主式交通系统（ATS）的重要组成部分是参与主体，参与主体的信息通常依靠文本进行描述。为构建自主式交通知识图谱，需要从文本中准确地识别出大量参与主体。为此，研究了基于BERT-Bi-LSTM-CRF模型的实体识别方法，对自主式交通系统参与主体进行抽取。词嵌入模型BERT为预训练语言模型，用以捕获丰富的语义特征，将捕获的语义特征输入到双向长短时记忆神经网络（Bi-LSTM）模型中提取上下文双向序列信息，经条件随机场（CRF）处理得到最优序列预测结果。收集交通专业相关的原始语料，经过数据预处理与文本标注，形成了可用于自主式交通系统参与主体识别的语料库，基于此数据开展实体识别对比实验。结果证明：BERT模型显著提升了自主式交通系统参与主体识别任务的性能。相较于传统方法CNN-LSTM或Bi-LSTM等，所提方法可以得到最佳综合识别效果，各实体的综合F1值为86.81%，表明通过BERT模型提取参与主体的语义特征，可以增强识别方法的泛化能力。“使用者”“运营者”“提供者”“规划者”“维护者”类实体的F1值分别为90.35%，92.31%，90.48%，93.33%，95.00%。验证了所提方法识别自主式交通系统参与主体的有效性。 |
| 期刊名称： | 交通信息安全 |
| 出版年： | 2022 |
| 期： | 05 |
| 页码： | 80-90 |
检索历史
应用推荐
