基于联合神经网络学习的中文电力计量命名实体识别

• 作者: 肖勇 郑楷洪 王鑫 钱斌 孙凌云
• 来源期刊: 浙江大学学报（理学版）
• 关键词: 电力计量 联合学习 命名实体识别 分词
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 数学与计算机科学|Mathematics and Computer Science
• 页码范围: 321-330
• 页数: 10页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2021.03.008

摘要

随着电力计量业务的不断扩展,迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱,为电网的决策和发展提供更为全面有效的支持.命名实体识别是构建知识图谱的基础.针对电力计量领域需要,结合中文分词技术特点,基于联合学习思想,提出了一种基于联合学习的中文电力计量命名实体识别技术.该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型,使其共享实体类别和置信度;同时将2个模型的先后计算顺序改为并行计算,减少了识别误差累积.结果表明,在不需要人工构建特征的情况下,方法的正确率、召回率、F值等均显著优于以往方法.