运维服务事件中关键信息实体抽取技术

作者：周琴芳; 吴丹; 宋志博

来源：广东通信技术, 2022, 42(10): 23-37.

• 服务事件
• 命名实体
• 神经网络

为了更加智能化从服务事件中提取结构化信息，通过研究事件中信息的特性，我们提出了通用实体识别技术(Universal Named Entity Recognition，UNER)。首先，对数据进行清洗和无监督的自动标注，并进行了扩充，大大降低了人工标注的成本。接下来，设计了一种基于深度自注意力变换神经网络(transformer)和条件随机场(Conditional Random Fields，CRFs)的命名实体识别模型。对比之前系统的机器学习模型和大部分NER模型，实验表明，UNER具有0.96的高精度，能够极大缩短运维周期。

• 单位
  中国电信股份有限公司广东分公司