李童

摘要：为了实现桥梁检测领域文本命名实体的有效识别，本文提出了一种基于深度神经网络的学习方法，首先利用卷积神经网络中的卷积层可以有效的描述数据的局部特征，再用BiLSTM-CRF深度神经网络模型进行命名实体标注。实验结果表明与主流BiLSTM-CRF模型相比较，CNN-BiLSTM-CRF模型在各项指标上都有一定的提升效果。

关键词：命名体识别;LSTM;CRF

中图分类号：TP391.1;TP183 文献标识码：A 文章编号：1007-9416（2020）01-0235-02

0 引言

随着交通基础设施建设的快速发展，中国正在逐步从桥梁大国发展为桥梁强国。如何对桥梁运营期的服役状况进行全面监管，保障桥梁的安全可靠性，及时发现重要结构病害，实施科学合理的维修加固等管理养护措施，一直是桥梁领域关注的重点，也是未来的发展方向[1]。

桥梁的定期检查，会记录桥梁的状态，包括结构外观病害观测、材料性能劣化、重要构件变形等，评定其技术状况等级，并提出后续养护维修建议，定期检查已成为我国公路桥梁运营期业务体系中最重要的工作内容之一[2]。定期桥检报告中包含了大量的结构和病害等细粒度信息，挖掘分析结构病害成因和结构状态演化趋势，采取相应的维护措施，能够有效的保证桥梁的安全性，也是人工智能时代土木基础设施管理创新发展的重要趋势。

命名实体作为文本信息抽取、知识图谱构建等任务的基础性工作之一，在自然语言处理、统计机器学习、深度神经网络等研究方向得到了广泛关注和长足发展[3]。……