基于ERNIE-IDCNN-CRF模型的电网调度领域命名实体识别方法

电力调度运行系统存在大量复杂数据,构建电网调度领域知识图谱是解决数据关联性缺失、附加值低的重要手段,而电网调度领域命名实体识别是构建领域知识图谱的基础任务之一.针对通用领域命名实体识别方法在电网调控领域适用性差、模型训练速度慢的问题,文章提出基于知识增强的预训练语义表示模型– 膨胀卷积神经网络– 条件随机场模型(enhanced representation through knowledge integration-iterated dilated convolutional neural network-conditional random field,ERNIE-IDCNN-CRF)的电网调度领域命名实体识别方法,该方法对字、短语、实体等信息进行统一建模,引入多源异构数据知识生成语义向量,实现模型语义表现能力的明显增强.实验结果表明,针对电力调度语料库,该方法的训练速度得到明显提升,电网调度领域实体的F1值达到85.09％,可有效识别出电网调度领域实体.