关键词：用户需求;命名实体识别;特征融合;BERT;BiGRU
摘 要：传统的中文命名实体识别技术在汽车领域的应用效果欠佳，特别是在处理实体之间存在大量的嵌套重叠、不连续和多元关系的这种复杂结构时，现有的模型实体识别性能不足。针对此问题，文章提出了基于多特征融合的汽车用户需求实体识别模型(Bert-Mulfeat-BiGRU-Att-CRF,BMBAC)。该模型的创新点在于融入了BERT(Bidirectional Encoder Representation from Transformers)模型和SKIP-GRAM模型，以及引入了改进的注意力机制算法，实现了多维度的特征提取和深度挖掘句子的语义信息。为验证模型效果，使用自主爬取并构建的数据集进行实验。通过对比实验，BMBAC模型的F1值为82.79%,展现出最优的识别性能，验证了该模型在汽车用户需求实体识别中的有效性，为汽车企业精准捕捉用户需求、推动产品创新提供了技术和方法。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取