来源：期刊VIP网 时间：
作者：郭云飞;温雪岩;焦燕;赵玉茗;
单位：东北林业大学计算机与控制工程学院;
摘要：在医学和社交领域，命名实体识别（NER）对信息抽取和自然语言处理至关重要，但传统方法依赖大量手工标注数据，耗时且难以广泛适用。为此，提出一种Semi-FFMA模型，该模型设计前馈-注意力机制来有效融合Fasttext、HMM和BERT-WWM的语义特征，结合BiLSTM和多头注意力机制，提高了NER准确性。同时，该模型引入半监督学习和伪标签技术，充分利用未标注数据来降低标注成本。通过在CCKS2017和Weibo数据集上的实验结果证明，Semi-FFMA模型成功解决了传统命名实体识别中手工标注繁琐且费时的问题，并且在CCKS2017上F_1值达到了92.34%，在Weibo上达到了71.57%，展现出了卓越的性能。
关键词：命名实体识别;;多特征融合;;半监督学习;;多头注意力机制;;BiLSTM-CRF;;伪标签
