基于 BERT-BiLSTM-CRF 的铁路员工工作经历命名实体识别研究

《Scientific Reports》：Research on NER technology for railway employees’ work experience based on the BERT-BiLSTM-CRF model

　　

摘要

随着铁路行业的快速发展，人力资源管理系统积累了大量关于员工工作经历的文本数据。为了满足实际业务需求，如人才评估、岗位分配和员工发展规划，本研究提出了一种基于BERT-BiLSTM-CRF的模型，用于准确识别铁路员工工作经历文本中的命名实体（NER）。该模型建立了一种多类型的员工工作经历实体标注方案，并采用了领域知识增强和提前停止训练策略，以提高模型对铁路专业文本的适应性。实验结果表明，该模型在铁路人力资源工作经历文本的命名实体识别任务中表现出优异的性能，F1分数达到了98%，显著优于传统的机器学习方法和主流的深度学习基准模型。