多策略黏菌算法優(yōu)化BiLSTM的命名實體識別研究

摘要： 隨著深度學(xué)習(xí)的深入研究，命名實體識別任務(wù)日益朝著智能化方向發(fā)展，但是命名實體識別模型還存在泛化能力弱、魯棒性差等缺點，尋求更加高效的下游模型愈發(fā)成為研究重點。該文利用多策略黏菌算法(SLSMA)對雙向長短時記憶網(wǎng)絡(luò)模型(BiLSTM)的超參數(shù)進(jìn)行優(yōu)化，改進(jìn)的黏菌算法在初始化階段采用Sobol序列均勻種群密度，迭代后期引入萊維飛行策略動態(tài)調(diào)整步長，使算法跳出局部最優(yōu)，并采用改進(jìn)的... （共12頁）