重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (11): 206-212.
陈 宏,王云博,穆思澎,陈 阳
摘要: 针对火电厂故障诊断领域文本存在实体边界模糊、文本特征不够充分、模型识别效果不明显等问题,提出一种改进 BERTBiLSTMCRF故障诊断领域文本实体识别模型。为了提高 BERT模型在中文语境下的性能,对模型参数进行改进,使用对抗训练方法提高模型精度,使模型 F1值提高 0.0206。对已构建的数据集进行实体命名识别实验,实验结果表明:改进 BERTBiLSTMCRF实体识别模型在数据集上的 F1值达到 0.9016,相较于其他模型 F1值有所提升,验证了该模型的有效性。
中图分类号: