面向电网调度领域的实体识别技术

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.

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)

所属期刊栏目：42

分类号：TM734(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司科技项目"知识图谱在电网故障处理中的应用关键技术研究"SGJB0000TKJS1900099

在线出版日期：2021-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：71-77