一种基于BERT的多神经网络的滑坡危险性评估命名实体识别方法

本发明提出了一种基于BERT的多神经网络的滑坡危险性评估命名实体识别方法，该方法主要包括了以下内容：(1)获取包含滑坡危险性评估的英文文献，采用Stanford CoreNLP自然语言工具包和BIO标记法对文献摘要进行标注，标注包含滑坡发生位置、滑坡影响因子及滑坡危险性评估方法信息；(2)将滑坡危险性评估语料按照一定的比例划分为训练集、测试集和验证集，采用BERT模型以及变体模型(如ALBERT和RoBERTa)作为预训练语言模型对滑坡危险性评估数据集进行编码，对比不同模型的命名实体识别效果，获取上下文语义依赖信息生成更具代表性和表达能力的词向量；(3)将得到的词向量输入BiLSTM层学习文本长距离语义信息，之后将捕捉到的语义向量输入CRF解码层进行解码，得到滑坡危险性评估领域的最优命名实体识别结果。本发明通过BERT及其变体模型在自然语言处理方面的强大效果，同时利用BiLSTM和CRF融合特征向量用于滑坡危险性评估命名实体识别任务，具有更强的特征提取能力。