面向电网调度领域的实体识别技术

• 作者: 徐会芳 张中浩 谈元鹏 韩富佳
• 来源期刊: 电力建设
• 关键词: 实体识别 知识图谱 双向长短期记忆网络(BiLSTM) 卷积神经网络(CNN) 条件随机场(CRF)
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 智能电网|Smart Grid
• 页码范围: 71-77
• 页数: 7页
• 分类号: TM734
• 语种: 中文
• DOI: 10.12204/j.issn.1000-7229.2021.10.008

摘要

近年随着电网调度领域数据自动化、智能化管理需求的日益增长,知识图谱成为提供知识管理、智能查询、辅助决策等功能的重要技术.实体作为构成知识图谱的核心要素,识别的准确率将直接影响知识图谱的质量.针对电网调度领域,首先分析电网调度实体识别研究现状,明确了实体识别任务目标,然后根据电网调度领域文本数据特征,设计了同时满足局部特征与全局特征提取需求的算法结构,构建了基于双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-卷积神经网络(convolutional neural networks,CNN)-条件随机场(conditional random field,CRF)的电网调度领域实体识别模型.最后实验结果表明,所提方法识别准确率达到93.1％,F1值达到86.05％,能够有效支撑电网调度领域实体识别工作的开展.