| 面向电网设备故障报告的半监督命名实体识别方法 |
| |
| 引用本文： | 杨祎,崔其会,丁奕齐.面向电网设备故障报告的半监督命名实体识别方法[J].计算机应用,2021,41(z2):41-47. |
| |
| 作者姓名： | 杨祎 崔其会 丁奕齐 |
| |
| 作者单位： | 国网山东省电力公司电力科学研究院,济南250000;北京邮电大学计算机学院,北京100876 |
| |
| 摘 要： | 针对电网领域命名实体识别(NER)对人工标注的依赖问题,提出了一种面向电网设备故障报告的半监督命名实体识别方法Semi-supervised PGTBC.首先使用基于多头自注意力机制的深度自注意力网络进行特征抽取,然后结合双向长短记忆神经网络(BiLSTM)和条件随机场模型(CRF)建立电网领域命名实体识别模型,最后基于半监督思想,引入基于深度自注意力网络的实体类别综合描述相似度计算,结合PGTBC的置信度作为半监督阈值筛选依据,减少对电网设备故障报告实体标注的依赖.数据集使用来源于1256篇的电网故障报告的10301条标注样本数和30829条无标注样本数.在有标注电网领域数据上的实验结果表明,基于PGTBC模型的预测F1为96.43％,相对于传统的BiLSTM-CRF模型提高了7.09个百分点.在无标注样本上,半监督方法Semi-supervised PGTBC取得了93.16％的F1,相对半监督CRF模型的F1提高了23.4个百分点,并对无标注样本进行了自动标注,识别出1661条新实体,有效减少电网设备故障报告命名实体任务对人工标注的依赖.
|
| 关 键 词： | 命名实体识别 电网设备 半监督学习 多头自注意力机制 深度自注意力网络 双向长短记忆神经网络 |
Named entity recognition method for power grid equipment fault report based on semi-supervised learning |
| |
| YANG Yi,CUI Qihui,DING Yiqi.Named entity recognition method for power grid equipment fault report based on semi-supervised learning[J].journal of Computer Applications,2021,41(z2):41-47. |
| |
| Authors: | YANG Yi CUI Qihui DING Yiqi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
