一种基于循环神经网络的电网客服语音文本实体识别算法

• 作者: 宋博川 张强 贾全烨
• 来源期刊: 供用电
• 学科: 工学
• 关键词: BiLSTM 循环神经网络 条件随机场 ICT客服 实体识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 特别策划
• 页码范围: 13-20
• 页数: 8页
• 分类号: TM72
• 字数: 5767字
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2020.06.003

摘要

针对电力领域语音转写文本质量差,不能很好解决电网领域命名实体识别问题,以电网信息通信(information and communications technology,ICT)系统语音转写文本数据为研究对象,构建了一种基于双向长短期记忆(bi-directional long short-term memory,BiLSTM)神经网络融合条件随机场(conditional random field,CRF)面向电力文本特征的实体识别算法.通过与循环神经网络(recurrent neural network,RNN)等神经网络算法的对比验证:BiLSTM-CRF在电网ICT领域实体识别准确率达79％,F1值达80％,优于LSTM(long short-term memory)和其他RNN算法,并能较好地识别转写错误实体.该算法有效提升了领域语音转写文本的实体识别准确率,同时降低了领域语音识别技术成本,为电网客服领域信息检索、智能问答、个性化推荐等自然语言处理应用提供了高质量非结构化样本数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张强		2	2	1.0	1.0
2	贾全烨		1	0	0.0	0.0
3	宋博川		1	0	0.0	0.0