1. 研究目的与意义（文献综述包含参考文献）
文 献 综 述1.1研究背景命名实体识别（named entity recognition，NER） 是信息抽取和信息检索中一项重要的任务，其目的是识别出文本中表示命名实体的成分，并对其进行分类，因此有时也称为命名实体识别和分类（named entity recognition and classification，NERC[1]。
命名实体最初于1996年在第六届信息理解会议上提出的，主要指文本中某些具有特殊意义的文本，这些文本包括人们想要获取的各类信息，如：人名、地名、时间以及一些重要的数据等。
目前，被广泛运用于自然语言处理（Natural Language Processing, NLP）前序任务的命名实体识别的主要任务是对以上所提的信息文本进行识别。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
本论文旨在有针对性地探索中文命名实体识别的方法，采用BERT(Bidirectional Encoder Representations from Transformers)算法构建切实可用的识别模型，为自然语言处理的后续任务提供准确支持。
论文所做的工作正是基于新兴的深度神经网络算法，对汉语分别进行分词和命名实体识别两步操作，建立中文命名实体识别训练模型，提高识别结果的准确性，为后续处理提供可靠的信息。
在基于BERT模型的基础上，融合GRU和CRF模型，对BERT模型进行优化改进，以达到更高的识别精度。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
