基于Bi-LSTM和TFIDF的工单事件提取
电网工单数据是电网运行情况以及客户满意程度的主要信息来源,近年来,有学者将深度学习的方法应用于工单数据的关键信息提取,但是提取出的关键词、词还不足以完整描述工单反映的具体情况.本文提出了一种事件抽取模型,先通过一定的方式进行文本预处理,确定标签体系和特征模板,再用Bi-LSTM和CRF相结合的模型进行实体识别和标注,最后通过TFIDF模型提取出事件表达,将该模型用于电网工单数据的事件抽取,用准确率、召回率和F1得分作为模型的评价标准,证明了该模型在工单数据分析中的可用性.
双向长短期记忆网络、条件随机场、词频-逆文件频率算法、电网工单、事件抽取
16
TP183(自动化基础理论)
2020-03-25(万方平台首次上网日期,不代表论文的发表时间)
共3页
291-293