面向配网一次设备缺陷文本命名实体识别研究

作者：刘雨可; 周申培; 石英^*; 杜家宝

来源：武汉理工大学学报, 2022, 44(10): 93-101.

• 命名实体识别
• 缺陷文本
• 半监督学习
• Bert-CRF

配网系统存储着大量闲置的设备缺陷文本，可采用命名实体识别技术对其进行挖掘和利用。针对目前电力设备缺陷文本数据人工标注效率低，且专业领域实体识别困难的问题，提出一种新的标注策略和基于Bert-CRF(Bidirectional encoder representation from transformers-Conditional Random Fields)的命名实体识别模型。利用基于半监督学习的BIO(Begin、Internal、Other)标注，减少人工标注占比，提升标注速率，接着利用Bert预训练模型得到包含丰富语义信息的动态词向量，最后利用CRF层对标签进行约束。所提模型在自制配网一次设备缺陷文本数据集上进行了对比试验，该数据集包含9 186条文本数据，12个大类25个小类。实验结果表明，文中模型取得了很好的效果，精确率、召回率和F1值分别达到97.85%、97.36%、97.34%，验证了该模型优于其他5种模型。

• 单位
  武汉理工大学; 自动化学院