10.3969/j.issn.2095-2783.2022.11.005
基于多神经网络与注意力的页岩气实体识别
针对智能分析系统在页岩气领域的空白问题,基于知识图谱技术进行构建研究,在现有实体识别的基础上引入注意力机制和伪训练样本,提出了一种基于多神经网络与注意力机制的页岩气实体识别方法.首先将字映射为具有上下文语义的密集向量序列,并采用卷积神经网络(convolutional neural networks,CNN)过滤局部语境;然后通过双向长短期记忆(bidirectional long short term memory,BiLSTM)网络对上下文隐藏状态进行捕获;最后利用注意力机制来解决标注不一致的问题,并结合条件随机场(conditional random field,CRF)进一步约束,实现高精度实体分类.在SGAS数据集上进行的实验与测试表明,所提方法的精确度、召回率、F度量值可分别达到99.32％、99.57％、99.44％,得到首个页岩气高精度实体识别模型,验证了所提方法的高效性.
文字信息处理、页岩气、注意力机制、伪训练样本、实体识别
17
TP391.1;TE37(计算技术、计算机技术)
四川省区域创新合作项目2022YFQ0102
2022-12-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
1201-1206
