李 韧，李 童，杨建喜，莫天金，蒋仕新，李 东

(重庆交通大学 信息科学与工程学院，重庆 400074)

0 引言

作为文本信息抽取的基础性工作之一，命名实体识别研究多年来一直受到学术界和产业界的广泛关注。以条件随机场(conditional random field,CRF)为代表的概率图模型成为命名实体识别任务的经典方法。近年来，随着双向长短期记忆(bidirectional long short-term Memory,BiLSTM)网络和文本分布式表示等理论方法的长足发展，面向通用领域人名、地名和组织机构名等目标的命名实体识别方法取得了较大幅度的性能提升[1]，并为智能问答、知识图谱构建等任务奠定了基础。与此同时，国内外学者也针对中文电子病历[2]、军事文本[3]和生物医学[4]等特定领域命名实体识别方法进行了许多有益探索。

随着交通基础设施建设的快速发展，我国已有80余万座公路桥梁建成服役。以《公路桥涵养护规范》和《公路桥梁技术状况评定标准》等行业规范为指导，在一定实施周期或特殊服役状态条件下，开展以结构构件表观病害、材料性能劣化和结构几何变形等为主要内容的桥梁检测，已成为当前我国公路桥梁管理养护业务体系中最重要的工作内容之一[5]。目前，业界已积累了大量桥梁检测文本数据，其中蕴含了丰富的桥梁结构参数、结构病害检测结论及养护维修处置建议等重要信息。对桥梁检测文本开展以命名实体识别为基础的关键信息抽取方法研究，可为科学化、智能化的桥梁管理养护决策及领域知识共享奠定基础，也是人工智能时代桥梁工程领域的迫切需求和发展趋势[6]。……