典型文献
基于深度学习的电力安全作业实体识别方法
文献摘要：
针对电力现场作业、设备使用安全等大量文本采用非结构化的形式制定、存储,信息自动挖掘难以实现的问题,提出一种融合注意力机制与ALBERT-BiGRU-CRF的方法.首先将ALBERT作为文本的字向量语义编码层,其次多头注意力机制融合到BiGRU网络模型中作为字符实体信息标签预测层,最终CRF作为全局标签优化层.该方法能够准确捕获专业领域字符间的依赖权重、语境、上下文语义关联等全方位特征.电力安全作业文本实体识别实验结果表明,融合注意力机制与深度学习识别方法比目前常用的算法模型识别F1值高3.05％～11.62％,具有较高准确率,识别效果较好.
文献关键词：
电力安全作业;命名实体识别;多头注意力机制
中图分类号：
作者姓名：
郭宇;李英娜;刘爱莲;马鑫堃
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500
文献出处：
引用格式：
[1]郭宇;李英娜;刘爱莲;马鑫堃-.基于深度学习的电力安全作业实体识别方法)[J].电视技术,2022(01):67-72
A类：
电力安全作业
B类：
实体识别方法,现场作业,设备使用,使用安全,大量文,非结构化,自动挖掘,难以实现,ALBERT,BiGRU,CRF,字向量,语义编码,编码层,多头注意力机制,注意力机制融合,合到,字符,实体信息,信息标签,上下文语义,语义关联,方位特征,比目,算法模型,模型识别,命名实体识别
AB值：
0.369783
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。
