基于RoBERTa-Span-Attack的标签指针网络军事命名实体识别

军事领域文本中存在大量军事实体信息，准确识别这些信息是军事文本信息提取和构建军事知识图谱的基础性任务。首先，提出了一种基于RoBERTa预训练模型、跨度和对抗训练的标签指针网络的融合深度模型(RoBERTa-Span-Attack),用于中文军事命名实体识别；然后，采用了一种基于Span的标签指针网络，同时完成实体的起止位置和类别的识别任务；最后，在模型训练过程中加入对抗训练策略，通过添加一些扰动来生成对抗样本进行训练。在军事领域数据集上的实验结果表明：所提出的军事领域命名实体识别模型相较于BERT-CRF、BERT-Softmax和BERT-Span,在识别准确度上具有更优的效果。