多维字符特征表示的铁路设备事故信息抽取方法

Information extraction method for railway equipment accidents based on multi-dimensional character feature representation

扫码查看

原文链接

万方数据
维普

中文摘要：为解决铁路设备事故调查报告数据分析困难的问题,提出基于多维字符特征表示设备事故信息抽取方法,在数据预处理阶段,提出主题模式匹配方法,抽取命名实体所属的主题段落;在文本特征表示中,提出多维特征表示方法将文本转化为特征向量;采用长短时记忆网络(BiLSTM)与条件随机场(CRF)神经网络实现铁路设备事故命名实体识别模型训练;采用铁路设备事故调查报告进行试验验证.结果表明:通过主题模式匹配预处理,多维字符特征+BiLSTM+CRF模型的综合评价指标提升22.86％,多维字符特征表示方法相比word2vec特征表示方法,能够使BiLSTM+CRF模型的综合评价指标提升4.89％.

作者：

张鹏翔

展开 >

作者单位：

中国铁道科学研究院集团有限公司标准计量研究所,北京100081

关键词：

多维字符特征铁路设备事故信息抽取主题模式匹配命名实体识别

出版年：

2022

DOI：

10.16265/j.cnki.issn1003-3033.2022.06.2732

中国安全科学学报