典型文献
基于深度学习的电力运维工单命名实体识别
文献摘要：
国家电网公司PMS中积累了大量电力一次设备的运维工单文本数据,但难以有效利用.为此设计了一种基于BERT-BiLSTM-CRF模型的电力一次设备运维工单中文实体识别系统.首先,分析了工单的文本特点及分词难点,总结出七类实体并人工标注3452条工单,形成训练集.其次,利用相关设备的试验、故障分析报告对BERT模块进行预训练,以获得电力词向量.然后,利用BiLSTM模块对实体标签进行预测.最后,引入CRF模块优化预测标签.对1000份工单进行中文实体识别实验,结果表明该模型在电力一次设备运维工单文本中具有较高的识别能力.
文献关键词：
电力一次设备运维工单;命名实体识别;BERT模型;双向长短期记忆网络;条件随机场
中图分类号：
作者姓名：
肖鹏;徐托;瞿少成
作者机构：
华中师范大学物理科学与技术学院,湖北武汉430079
文献出处：
引用格式：
[1]肖鹏;徐托;瞿少成-.基于深度学习的电力运维工单命名实体识别)[J].电脑知识与技术,2022(31):7-10
A类：
电力一次设备运维工单
B类：
电力运维,命名实体识别,国家电网,电网公司,PMS,文本数据,BERT,BiLSTM,CRF,识别系统,文本特点,分词,七类,训练集,相关设备,故障分析,分析报告,预训练,获得电力,词向量,单进,识别能力,双向长短期记忆网络,条件随机场
AB值：
0.25278
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
