面向电网调度领域的实体识别技术

近年随着电网调度领域数据自动化、智能化管理需求的日益增长,知识图谱成为提供知识管理、智能查询、辅助决策等功能的重要技术。实体作为构成知识图谱的核心要素,识别的准确率将直接影响知识图谱的质量。针对电网调度领域,首先分析电网调度实体识别研究现状,明确了实体识别任务目标,然后根据电网调度领域文本数据特征,设计了同时满足局部特征与全局特征提取需求的算法结构,构建了基于双向长短期记忆网络（bi-directional long short-term memory, BiLSTM）-卷积神经网络（convolutional neural networks, CNN）-条件随机场（conditional random field, CRF）的电网调度领域实体识别模型。最后实验结果表明,所提方法识别准确率达到93.1%,F1值达到86.05%,能够有效支撑电网调度领域实体识别工作的开展。