本文提出了一种基于神经网络的方法来开发印地语文本的命名实体识别。本文提出了一种基于卷积神经网络（CNN）和双向长短期记忆（bi-LSTM）神经网络的深度学习体系结构。该模型采用word2vec模型的Skip-gram方法生成单词向量。在本研究工作中，开发了几种深度学习模型，并将其作为基线系统进行评估，如递归神经网络（RNN）、长短期记忆（LSTM）、Bi-LSTM。此外，通过CNN和条件随机场（CRF）层的集成，这些基线系统被提升为一个提议的模型。在对结果进行比较分析后，验证了所提出模型（即Bi-LSTM-CNN-CRF）的性能令人印象深刻。该系统实现了61%的准确率、56%的召回率和58%的F度量<\/p> “，”DOI“：”10.4018\/ijcini.20210701.oa1“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,4,26]]，”date-time“：”2021-04-26T14:24:28Z“，”timestamp“：1619447068000}，”page“：1-11”，”source“：“Crossref”，”is-referenced-by-count“：0，”title“：[”Entity-Extraction Using Hybrid Deep-Learning Approach for Hindi text“]，”prefix“：”104018“，“卷”：“15”，“author“：[{”given“：”Richa“，”family“：”Sharma“，”sequence“：”first“，”affiliation“：”Banasthali Vidyapith，India“}]}，{”given“；”Sudha“，”家庭“：”Morwal“，”sequence“；”additional“，”feliation“；[{“name”：“Banasthail Vidyapith，India”}]}.，{“given”：“Basant”，“family”：“Agarwal”，“sequence”：“additional”，“affiliance”：[{“名称”：“印度科塔印度信息技术学院“}]}]，“member”：“2432”，“container-title”：[“International Journal of Cognitive Informatics and Natural Intelligence”]，“original-title“：[]，“language”：“ng”，“link”：[{“URL”：“https:\/\/www.igi-global.com\/viewtitle.aspx？TitleId=277390”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,5,6]]，”date-time“：”2022-05-06T18:22:17Z“，”timestamp“：1651861337000}，”score“：1，”resource“：{“primary”：{“URL”：“https:\/\/services.igi-global.com/resolvedoi\/resolve.aspx？doi=10.4018\/IJCINI.20201.oa1”}}，“字幕”：[“”]，“短标题“：[]，”发布“：{”日期部分“：[2021,7,1]]}，“references-count”：0，“journal-issue”：{“issue”：“3”，“published-print”：{“date-parts”：[[2021,7]]}}，“URL”：“http://\/dx.doi.org\/10.4018\/ijcini.20210701.oa1”，“relation”：{}，“值”：“1557-3966”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2021,7,1]]}}}