基于bp神经网络的deepweb实体识别方法

？针对现有实体识别方法自动化水平不高、适应性差等不足,提出一种基于反向传播(bp)神经网络的deepweb实体识别方法。该方法将实体分块后利用反向传播神经网络的自主学习特性,将语义块相似度值作为反向传播神经网络的输入,通过训练得到正确的实体识别模型,从而实现对异构数据源的自动化实体识别。实验结果表明,所提方法的应用不仅能够减少实体识别中的人工干预,而且能够提高实体识别的效率和准确率。