[发明专利]一种电力营销专业词识别方法及系统

说明书

本发明公开了一种电力营销专业词识别方法，包括步骤1，基于电力营销外部数据，训练初始识别模型；抽取电力营销数据中的专业词，构建初始专业词词典；步骤2，基于最新的专业词词典和识别模型，对电力营销数据中的词进行标注，并用标注好的电力营销数据，训练新的识别模型；步骤3，响应于迭代次数小于阈值，基于新的识别模型对电力营销数据进行识别，构建新的专业词词典，转至步骤2，否则，输出新的识别模型用于专业词识别。同时公开了相应的系统。本方法针对在没有大量背景语料的基础上，通过识别模型预测结果回标，提升对针对电力营销数据的专业词识别准确率，提高电力人员的工作效率。

技术领域

本发明涉及一种电力营销专业词识别方法及系统，属于中文信息处理技术领域。

背景技术

随着电子信息化的发展，电力数据成倍增加，电力营销数据中存在着大量重要信息。电力营销专业词识别是电力领域中一项基础而又关键性的任务，通过对营销数据的专业词抽取，可以发现隐藏在数据背后的信息，比如故障检测以及预防，市场运营情况等。

目前针对电力领域的专业词识别主要采用两种方式进行抽取，一种是基于统计学方法，计算词与词之间的相关性进行抽取，该方法偏重出现次数较多的术语，准确率较低；另一种采用深度学习算法，该方法需要大量的人工标注数据，使得工作人员的工作量大且效率较低。

发明内容

本发明提供了一种电力营销专业词识别方法及系统，解决了现有识别技术存在的上述问题。

为了解决上述技术问题，本发明所采用的技术方案是：

一种电力营销专业词识别方法，包括以下步骤，

步骤1，基于电力营销外部数据，训练初始识别模型；抽取电力营销数据中的专业词，构建初始专业词词典；

步骤2，基于最新的专业词词典和识别模型，对电力营销数据中的词进行标注，并用标注好的电力营销数据，训练新的识别模型；

步骤3，响应于迭代次数小于阈值，基于新的识别模型对电力营销数据进行识别，构建新的专业词词典，转至步骤2，否则，输出新的识别模型用于专业词识别。

识别模型为加入自注意力机制的BILSTM-CRF模型。

构建初始专业词词典的过程为，

采用左右信息熵和K-Means聚类方法抽取电力营销数据中的专业词；

将所有方法抽取的结果和外部电力业务人员提供的领域词典合并，经过人工过滤后得到初始专业词词典。

对电力营销数据中的专业词进行标注的过程为，

用识别模型识别电力营销数据，对电力营销数据中的词进行标注；

将标注为非实体的词在专业词词典内查找，若存在，则将标注为非实体的词标注为专业词。

根据专业词词典，构建Trie树，通过Trie树查找标注为非实体的词；其中，Trie树中每个节点表示专业词词典中的每个字，根节点不存放任何字。

一种电力营销专业词识别系统，包括，

构建模块：基于电力营销外部数据，训练初始识别模型；抽取电力营销数据中的专业词，构建初始专业词词典；

标注训练模块：基于最新的专业词词典和识别模型，对电力营销数据中的词进行标注，并用标注好的电力营销数据，训练新的识别模型；

回标模块：响应于迭代次数小于阈值，基于新的识别模型对电力营销数据进行识别，构建新的专业词词典，转至标注训练模块，否则，输出新的识别模型用于专业词识别。

识别模型为加入自注意力机制的BILSTM-CRF模型。