典型文献
基于多神经网络与注意力的页岩气实体识别
文献摘要：
针对智能分析系统在页岩气领域的空白问题,基于知识图谱技术进行构建研究,在现有实体识别的基础上引入注意力机制和伪训练样本,提出了一种基于多神经网络与注意力机制的页岩气实体识别方法.首先将字映射为具有上下文语义的密集向量序列,并采用卷积神经网络(convolutional neural networks,CNN)过滤局部语境;然后通过双向长短期记忆(bidirectional long short term memory,BiLSTM)网络对上下文隐藏状态进行捕获;最后利用注意力机制来解决标注不一致的问题,并结合条件随机场(conditional random field,CRF)进一步约束,实现高精度实体分类.在SGAS数据集上进行的实验与测试表明,所提方法的精确度、召回率、F度量值可分别达到99.32％、99.57％、99.44％,得到首个页岩气高精度实体识别模型,验证了所提方法的高效性.
文献关键词：
文字信息处理;页岩气;注意力机制;伪训练样本;实体识别
中图分类号：
作者姓名：
朱西平;卢星宇;苏作新;高昂;肖丽娟;郭露
作者机构：
西南石油大学电气信息学院,成都 610500
文献出处：
引用格式：
[1]朱西平;卢星宇;苏作新;高昂;肖丽娟;郭露-.基于多神经网络与注意力的页岩气实体识别)[J].中国科技论文,2022(11):1201-1206
A类：
伪训练样本,SGAS
B类：
页岩气,智能分析,基于知识,注意力机制,实体识别方法,上下文语义,convolutional,neural,networks,双向长短期记忆,bidirectional,long,short,term,memory,BiLSTM,条件随机场,conditional,random,field,CRF,实体分类,测试表明,召回率,识别模型,文字信息处理
AB值：
0.289374
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。
