基于改进Bert-AutoML的电力文本语义识别算法

由于电力调度过程中存在大量重复性电力文本，导致语义识别结果形式与理想形式差距较大。针对该问题，提出了基于改进Bert-AutoML的电力文本语义识别算法。采用基于词块的粒度划分方式，提取电力文本字粒度语义特征。计算语义序列与命名实体数据库中语义的相似度，获取多个对应语义序列，构建电力文本语义识别模型。使用自动机器学习法训练模型文本输入，计算输入向量和电力文本库中向量匹配度。结合字符掩码训练策略，将掩盖的内容与背景相联系，得到最终语义识别结果。实验结果表明，该算法语义识别结果呈现段落-结构形式，排列整齐且简洁，与理想识别结果一致。