基于GRU的电力调度领域命名实体识别方法

• 作者: 吴超 王汉军
• 来源期刊: 计算机系统应用
• 关键词: Transformer模型 命名实体识别 BiGRU 电力调度
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 185-191
• 页数: 7页
• 字数: 4570字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007595

摘要

电力调度领域命名实体识别是电力知识图谱构建步骤中的重要一环,目前存在基于机器学习和深度学习模型被用于通用领域或是其他专业领域的命名实体识别.为了解决电力调度领域命名实体识别的问题,研究Transformer-BiGRU-CRF模型,该模型可以有效的解决电力调度领域中命名实体识别的问题.通过Transformer模型得到语料的字向量,再通过BiGRU和CRF进行命名实体识别.该模型在训练过程中有两种训练方式,第1种方式是只训练BiGRU和CRF部分的参数;第2种方式是训练包括Transformer部分的整个模型的参数.最后发现,第1种方式达到模型的平稳状态需要的时间更少,但是第2种达到平稳状态准确率会高出接近5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴超		29	187	7.0	13.0
5	王汉军	中国科学院沈阳计算技术研究所	8	27	4.0	5.0