采用BERT-BiLSTM-CRF模型的中文位置语义解析

摘要

针对利用当前神经网络模型进行中文位置语义解析存在多义词解析效果差、泛化能力差等问题，提出一种基于BERT-BiLSTM-CRF模型的中文位置语义解析方法。首先利用BERT预训练模型对中文位置信息进行预训练，获取所有层中的上下文信息，增强中文位置信息的语义表征能力，然后通过BiLSTM模型提取向量特征信息，最后通过CRF模型进行解码，获取全局最优标注序列。实验结果表明，在不同数量和区域的中文位置信息数据集基础上，BERT-BiLSTM-CRF模型在所有测试集上分词准确率与F1值都优于目前常用的神经网络模型，最高分别可达到93.91%和93.96%。利用BERT-BiLSTM-CRF模型对中文位置信息进行语义解析，不仅有效提高了中文位置信息解析与多义词解析的准确率，而且具有更好的泛化能力。

0 引言

中文位置语义解析是指将非结构化的中文位置信息拆分成若干最小位置要素[1-3]，是中文分词在地理信息领域的应用[