基于NER的石油非结构化信息抽取研究

• 作者: 刘小溶 张泰 王杰 钟原 陈雁
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 命名实体识别 Bi-LSTM+CRF 信息抽取 非结构化文本
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 油气田人工智能技术与应用专刊
• 页码范围: 165-173
• 页数: 9页
• 分类号: TE319
• 语种: 中文
• DOI: 10.11885/j.issn.1674-5086.2020.05.12.01

摘要

随着"智能油田"的建设加快,构建基于海量石油数据的智能分析系统意义重大.然而,由于石油生产过程中产生的文本数据往往无结构且类型多样,从中抽取关键信息进行分析成为一个研究热点,而信息抽取又需要高质量的语义实体做支撑.根据这一特定问题,提出基于命名实体识别(Named Entity Recognition, NER)技术针对石油非结构化文本进行信息抽取,构建双向长短时记忆(Bidirectional Long Short-Term Memory, Bi-LSTM)网络模型提取语料特征,并结合条件随机场(Conditional Random Field, CRF)做分类器,构建了基于Bi-LSTM+CRF的高精度NER模型,针对石油工业领域的非结构化文本进行命名实体抽取.通过在修井作业文本数据集上进行对比实验表明,本方法具有较高的精确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟原		9	4	1.0	1.0
2	陈雁		4	2	1.0	1.0
3	王杰		15	40	4.0	5.0
4	刘小溶		1	0	0.0	0.0
5	张泰		2	0	0.0	0.0