基于强化学习的城镇燃气事故信息抽取方法

作者：王明达; 张榜^*; 吴志生; 李云飞

来源：中国安全生产科学技术, 2023, 19(03): 39-45.

• 城镇燃气事故
• 命名实体识别
• 信息抽取
• 强化学习

为解决因城镇燃气事故调查报告标注样本缺乏，从而影响命名实体识别性能这一问题，提出基于BiLSTM-CRF+强化学习的燃气事故领域命名实体识别方法。首先在数据预处理阶段，采用基于文本结构的主旨段落抽取方法，识别事故调查报告的关键段落；其次在模型训练阶段，采用BiLSTM-CRF+强化学习模型，实现城镇燃气事故命名实体识别模型训练；最后利用城镇燃气事故调查报告作为试验数据进行验证。研究结果表明：经由强化学习模型降噪后，实体识别模型的综合评价指标提高5.76%,主旨段落识别方法相比Word2vec特征表示方法，使模型的综合评价指标提升7.17%。

• 单位
  中国石油大学（华东）; 机电工程学院