0 引言

    命名實(shí)體識(shí)別^[1-3](Named Entity Recognition，NER)在通用領(lǐng)域中主要是指識(shí)別文本中的人名、地名、機(jī)構(gòu)名、時(shí)間、貨幣等具有特定意義的實(shí)體。目前，命名實(shí)體識(shí)別的主要方法包括三類：基于規(guī)則^[4]和詞典^[5-6]的方法、基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法^[7]和基于深度神經(jīng)網(wǎng)絡(luò)的方法^[8]。

    目前，用電安全領(lǐng)域缺乏權(quán)威數(shù)據(jù)集^[9]，命名實(shí)體識(shí)別研究工作首先需要對(duì)語(yǔ)料集進(jìn)行序列標(biāo)注，標(biāo)記非結(jié)構(gòu)文本中的相關(guān)實(shí)體、無關(guān)字符、詞性序列等，在此研究背景下，采用統(tǒng)計(jì)機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)的方法較難獲取大規(guī)模的訓(xùn)練語(yǔ)料集。因此，本文主要基于規(guī)則和詞典的方法對(duì)實(shí)體命名識(shí)別進(jìn)行第一階段研究，發(fā)掘用電安全領(lǐng)域?qū)嶓w構(gòu)詞規(guī)則及詞性特征，構(gòu)建領(lǐng)域詞典及規(guī)則模板，進(jìn)一步擴(kuò)充語(yǔ)料庫(kù)，為后續(xù)用電安全領(lǐng)域命名實(shí)體識(shí)別的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)方法的研究奠定基礎(chǔ)。

    從技術(shù)角度分析，如果構(gòu)建的領(lǐng)域詞典能夠覆蓋待識(shí)別文本中絕大多數(shù)相關(guān)實(shí)體，那么，基于詞典的命名實(shí)體識(shí)別方法將具有高準(zhǔn)確度及高響應(yīng)度。但是，領(lǐng)域?qū)嶓w的多樣性、復(fù)雜性、衍生性導(dǎo)致構(gòu)建覆蓋全面的高質(zhì)量詞典較為困難。因此，基于詞典的方法通常是基于規(guī)則方法的輔助補(bǔ)充手段^[10]。基于規(guī)則的實(shí)體命名識(shí)別多采用人工歸納并構(gòu)造規(guī)則模板，選用特征包括標(biāo)點(diǎn)符號(hào)、關(guān)鍵字、指示詞和方向詞、位置詞(如前后綴)、中心詞等，以規(guī)則模板的正則匹配為主要手段^[11]。當(dāng)語(yǔ)料規(guī)模不大且提取的規(guī)則能比較精確地反映語(yǔ)言現(xiàn)象時(shí)，基于規(guī)則和詞典的方法其性能要優(yōu)于基于統(tǒng)計(jì)的方法^[12]。

    另一方面，物聯(lián)網(wǎng)設(shè)備和數(shù)據(jù)的爆發(fā)式增長(zhǎng)，使得基于云計(jì)算模型的聚合性服務(wù)逐漸顯露出其在實(shí)時(shí)性、網(wǎng)絡(luò)制約、資源開銷等方面的不足。為彌補(bǔ)集中式云計(jì)算的不足，本文采用邊緣計(jì)算架構(gòu)，其優(yōu)勢(shì)在于能夠在數(shù)據(jù)產(chǎn)生側(cè)快捷、高效地響應(yīng)業(yè)務(wù)需求，減小服務(wù)對(duì)網(wǎng)絡(luò)的依賴，在離線狀態(tài)下也能夠提供基礎(chǔ)業(yè)務(wù)服務(wù)。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.jysgc.com/resource/share/2000005035。

作者信息：

袁金斗1，潘明明1，張  騰2，姜  玨1

(1.中國(guó)電力科學(xué)研究院有限公司，北京100192；2.國(guó)網(wǎng)江蘇省電力有限公司，江蘇 南京210000)