申请/专利权人：国网福建省电力有限公司电力科学研究院;厦门大学;国网福建省电力有限公司

申请日：2023-11-13

公开（公告）日：2024-01-12

公开（公告）号：CN117391075A

主分类号：G06F40/279

分类号：G06F40/279;G06F40/30;G06N3/0442;G06N3/084;G06N3/088;G06N7/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.20#实质审查的生效;2024.01.12#公开

摘要：本发明涉及一种基于BERT‑BiLSTM‑CRF模型的配网故障设备实体识别方法。以BERT‑BiLSTM‑CRF为框架，通过原始数据处理、标注模式设计、模型训练等多个步骤完成了故障设备实体识别任务，并同时维护了一套基于NLP技术的实体纠错与清洗方法，保障了标注的准确率和召回率，并大大提高了标注质量。本发明使用了序列标注的经典模型BERT‑BiLSTM‑CRF，充分利用BERT大模型的语义理解能力，通过少量训练数据，对大模型进行微调，大大提高了实体识别的性能。本发明针对实体标注任务中出现的错标问题，根据在人工标注中总结的经验，与NLP技术相结合，实现了对错标实体的清洗，获得了更高质量的标注结果。

主权项：1.一种基于BERT-BiLSTM-CRF模型的配网故障设备实体识别方法，其特征在于，由配网故障记录提取设备实体，该方法包括如下步骤：步骤1、进行原始数据的收集、整理；步骤2、对收集获得的数据进行初始化处理，包括文本内容的合并和去重；步骤3、使用开源标注平台doccano对部分数据进行标注，获得jsonl格式训练数据，并通过python中的json库对jsonl格式训练数据进行重新处理，自动标注获得BIO标准格式训练数据；步骤4、基于BIO标准格式训练数据，使用BERT-BiLSTM-CRF模型进行实体识别，输出标注结果，并计算精确度、召回率和f1值；步骤5、选择f1值最高的BERT-BiLSTM-CRF模型，对未标注数据进行实体识别，并设计输出格式；步骤6、对实体识别结果进行检验和再处理。

全文数据：

权利要求：

百度查询： 国网福建省电力有限公司电力科学研究院;厦门大学;国网福建省电力有限公司 一种基于BERT-BiLSTM-CRF模型的配网故障设备实体识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD