基于多模型融合的警情要素提取

摘要

针对警情数据中日益增长的不同种类要素提取需求,提出一种多模型融合的要素提取方法。对于警情数据中人名、地名、机构名等无明显规律的要素,采用BERT+BiLSTM+CRF模型结合文本上下文信息的方法,抽取包含语义信息的关键要素;对于时间、车牌号等具备一定规律的数据,采用模式识别方法抽取符合定义规则的相关要素;然后将上述两种方法融合,形成一体化模型进行要素提取。验证实验结果表明,与传统命名实体识别方法相比,BERT+BiLSTM+CRF模型在测试集上的F1值均提高3%以上,模式识别效果提高1%以上,可满足日常警情的要素提取需求。