多维字符特征表示的铁路设备事故信息抽取方法

作者：张鹏翔

来源：中国安全科学学报, 2022, 32(06): 109-114.

DOI：10.16265/j.cnki.issn1003-3033.2022.06.2732

• 多维字符特征
• 铁路设备事故
• 信息抽取
• 主题模式匹配
• 命名实体识别

为解决铁路设备事故调查报告数据分析困难的问题，提出基于多维字符特征表示设备事故信息抽取方法，在数据预处理阶段，提出主题模式匹配方法，抽取命名实体所属的主题段落；在文本特征表示中，提出多维特征表示方法将文本转化为特征向量；采用长短时记忆网络(BiLSTM)与条件随机场(CRF)神经网络实现铁路设备事故命名实体识别模型训练；采用铁路设备事故调查报告进行试验验证。结果表明：通过主题模式匹配预处理，多维字符特征+BiLSTM+CRF模型的综合评价指标提升22.86%,多维字符特征表示方法相比word2vec特征表示方法，能够使BiLSTM+CRF模型的综合评价指标提升4.89%。

• 单位
  中国铁道科学研究院集团有限公司