基于BERT-BiLSTM-CRF 的人物传记文本命名实体识别
作 者：
潘岩
摘 要：
人物传记文本在实体识别研究中常常存在实体边界不清、实体词性多义等问题，导致实验的准确率、召回率较低。为解决上述问题，本研究提出了提出一种基于双向编码器表征（Bidirectional Encoder Representations from Transformers, BERT）—双向长短时记忆网络（Bi-directional Long Short-Term Memory, BiLSTM）—条件随机场（Conditional Random Field, CRF）模型的人物传记文本实体识别方法。该模型在 BERT 层生成传记文本句的动态词向量，基于自注意力机制捕捉文本的上下文语义关联；在 BILSTM 层采用双向长短期记忆网络对时序特征建模，通过门控机制处理长距离依赖关系；在 CRF 层基于标签转移矩阵约束输出序列合法性，求解全局最优标注路径，从而实现对人物传记文本标签的识别。研究将该模型与其他模型在人物传记文本语料库构成的数据集上进行对比试验，试验结果表明：BERT-BiLSTM-CRF 模型的识别准确率、召回率和 F1 值分别达到 82%、79% 和 81%，实体识别效果优于其他基线模型。利用所建立的 NER 模型识别人物传记文本中的实体，验证了其在人物相关研究领域中的应用效果。
来 源：
《信息产业报道》 2025-10