Indexed by：
Abstract：
为了研究安全事故案例报告中上下文语义指代和复杂领域内容对机器自动识别与抽取信息的性能影响，通过考虑局部特征增强构建了BERT+Multi-CNN+BiGRU+CRF(BMulCBC)模型。BERT负责将非结构化文本转化输入，Multi-CNN和BiGRU负责向量局部特征与序列特征编码，CRF则负责完成准确的实体标签解码。研究结果表明：模型实体识别的精确率、召回率和F1值分别为65.94%,74.02%,69.75%,在精确率和F1值上皆优于同类对比模型。研究结果可为安全事故事理图谱推理提供理论支持。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国安全生产科学技术
Year： 2024
Issue： 06
Volume： 20
Page： 58-66
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
