[发明专利]电网文本数据实体识别方法、系统、设备及介质

说明书

本发明属于电力人工智能领域，公开了一种电网文本数据实体识别方法、系统、设备及介质，包括以下步骤：获取待识别电网文本数据；将待识别电网文本数据输入预设的电网文本实体识别模型中，得到待识别电网文本数据的实体识别结果；其中，预设的电网文本实体识别模型通过标注电网文本数据训练实体识别模型得到，所述实体识别模型从输入至输出方向依次包括ERNIE预训练模型和BiLSTM‑CRF模型。能够在低数量标注电网文本数据的情况下，实现电网文本数据较高的实体识别准确率，满足电网文本数据的实体识别需求。

技术领域

本发明属于电力人工智能领域，涉及一种电网文本数据实体识别方法、系统、设备及介质。

背景技术

命名实体识别(Named Entity Recognition，NER)是自然语言处理的一项基础、重要的技术，旨在从文本中识别出重要信息，通常包括时间，人物，地点等各类信息。传统命名实体识别是基于规则、字典和在线知识库的方案，而随着机器学习和深度学习的不断发展，出现了各类新的算法，可以用计算机强大的计算能力和学习能力减轻人工完成特征工程等步骤的工作。

随着智能化电网的发展，电网的知识图谱构建作为一项重要的工作急需完成。实体识别作为知识图谱构建的基础，需要先完成电网文本数据的实体识别，然而，由于电网文本数据中存在大量的非结构化数据，导致在应用现有的实体识别方法时，需要大量的人工预先标注的数据进行训练，但人工标注实体的工作繁重琐碎，带来较高的人工消耗和人工成本，若是采用少量标注的数据进行训练，又会导致训练后的实体识别方法，在识别电网文本数据中的实体时的识别准确率较差，无法满足电网文本数据的实体识别需求。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种电网文本数据实体识别方法、系统、设备及介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，一种电网文本数据实体识别方法，包括以下步骤：

获取待识别电网文本数据；

将待识别电网文本数据输入预设的电网文本实体识别模型中，得到待识别电网文本数据的实体识别结果；其中，预设的电网文本实体识别模型通过标注电网文本数据训练实体识别模型得到，所述实体识别模型从输入至输出方向依次包括 ERNIE预训练模型和BiLSTM-CRF模型。

本发明电网文本数据实体识别方法进一步的改进在于：

所述获取待识别电网文本数据的具体方法为：获取待识别电网文本，通过io 数据读取方式，以句号为标志，将待识别电网文本以单句为一条数据的形式保存，得到待识别电网文本数据。

还包括：将待识别电网文本数据进行去重处理。

所述标注电网文本数据通过如下方式得到：获取电网文本数据，将电网文本数据按照IOB2标注体系进行标注，得到标注电网文本数据。

所述电网文本数据为电网调度控制管理规程文本数据；所述将电网文本数据按照IOB2标注体系进行标注时，标签字典为：

{0:'B-P',1:'B-F',2:'B-M',3:'I-P',4:'I-F',5:'I-M',6:'O'}

其中，B表示实体的开始，I表示实体内容的持续，O表示不关注的字，P、 M及F分别表示故障现象实体、故障处置操作实体及故障情景实体。

所述通过标注电网文本数据训练实体识别模型时，实体识别模型的学习率为 1×10^-5，权重衰减值为0.01，优化器采用Adam优化器。

所述ERNIE预训练模型的输出类型为字级别的语义特征。

本发明第二方面，一种电网文本数据实体识别系统，包括：