[发明专利]基于机器阅读理解的故障嵌套命名实体识别方法

权利要求书

1.一种基于机器阅读理解的故障嵌套命名实体识别方法，其特征在于，应用于船舶动力故障识别，通过基于机器阅读理解的故障嵌套命名实体识别模型来实现，所述方法包括如下步骤：

步骤1、构建命名实体数据集：

步骤1.1、获取实验数据集：

从船舶动力故障检测报告中获取得到实验数据集，并对实验数据集中的数据进行预处理；

步骤1.2、标注命名实体：

将进行预处理后的实验数据集中的命名实体进行标注以得到标注后的文本序列，其中命名实体包括船舶故障现象、船舶部件、部件元素、位置及程度；

步骤1.3、文本序列输入与字符嵌套：

将问题序列以及标注后的文本序列作为输入，用于输入至构建的基于机器阅读理解的故障嵌套命名实体识别模型中，并在输入后根据所述问题序列与所述标注后的文本序列进行字符级嵌套以得到静态字符向量与输入矩阵；

步骤2、基于机器阅读理解的故障嵌套命名实体识别模型的训练：

步骤2.1、词典增强特征动态编码：

将所述静态字符向量输入至BERT模型中以得到BERT模型的编码输出特征；

将标注后的文本序列中的每个字符，结合给定词典构建得到第一词集、第二词集、第三词集与第四词集，根据第一词集、第二词集、第三词集与第四词集计算得到词库增广特征；

基于所述BERT模型的编码输出特征与所述词库增广特征进行拼接以得到最终字符表示；

步骤2.2、跨度预测：

将所述最终字符表示输入至由前向LSTM与后向LSTM单元组成的BiLSTM模型中以得到字符的上下文特征；

根据BiLSTM模型中输出的所述字符的上下文特征进行跨度预测，以最终得到答案序列。

2.根据权利要求1所述的基于机器阅读理解的故障嵌套命名实体识别方法，其特征在于，在所述步骤1.1中，对实验数据集中的数据进行预处理的方法包括如下步骤：

对实验数据集中的数据进行清理，将中文、标点符号以及英文按照预设格式进行统一，并删除多余文本数据、多余图片以及多余表格数据；

在所述步骤1.2中，标注后的文本序列表示为：

；

其中，表示标注后的文本序列，/表示第n个中文船舶动力故障检测文本字符；

在所述步骤2.2中，答案序列表示为：

；

；

其中，表示答案序列，/表示预定义列表，/表示船舶故障现象，/表示船舶部件，/表示部件元素，/表示位置，/表示程度。/

3.根据权利要求2所述的基于机器阅读理解的故障嵌套命名实体识别方法，其特征在于，在所述步骤1.3中，问题序列表示为：

；

其中，表示问题序列，/表示问题序列的第m个文本字符；

根据所述问题序列与所述标注后的文本序列进行字符级嵌套以得到静态字符向量与输入矩阵的方法包括如下步骤：

将问题序列与标注后的文本序列/进行连接以得到新连接序列；其中，/表示新连接序列，/表示新连接序列中的第l个文本字符，l表示新连接序列的总长度，/；

在给定的字符级嵌入查找表上执行查找操作以得到静态字符向量/与输入矩阵/；

其中，查找操作的公式表示为：，输入矩阵/，/，其中，d表示字符级嵌入查找表/中的字符向量的维数，/表示对应给定词典D中匹配单词的第i个字符。

4.根据权利要求3所述的基于机器阅读理解的故障嵌套命名实体识别方法，其特征在于，在步骤2.1中，将所述静态字符向量输入至BERT模型中以得到BERT模型的编码输出特征的方法对应有如下公式：

；

其中，表示BERT模型的编码输出特征，/表示BERT模型的编码块。