基于Bi-LSTM和TFIDF的工单事件提取

• 作者: 周艳 姜川 孙涛 翁利国 范华
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 双向长短期记忆网络 条件随机场 词频-逆文件频率算法 电网工单 事件抽取
• 年，卷（期）: 2020,（4）
• 页码范围: 291-293
• 页数: 3页
• 分类号: TP183

摘要

电网工单数据是电网运行情况以及客户满意程度的主要信息来源,近年来,有学者将深度学习的方法应用于工单数据的关键信息提取,但是提取出的关键词、词还不足以完整描述工单反映的具体情况。本文提出了一种事件抽取模型,先通过一定的方式进行文本预处理,确定标签体系和特征模板,再用Bi-LSTM和CRF相结合的模型进行实体识别和标注,最后通过TFIDF模型提取出事件表达,将该模型用于电网工单数据的事件抽取,用准确率、召回率和F1得分作为模型的评价标准,证明了该模型在工单数据分析中的可用性。