1. 福州大学电气工程与自动化学院
2. 国网福建省电力有限公司闽侯县供电公司
3. 国网福建省电力有限公司超高压分公司
纸质出版:2025
移动端阅览
林蔚青, 郑垂锭, 陈静, 等. 融合PERT与高效全局指针网络的电力变压器缺陷文本实体识别方法[J]. 电网技术, 2025,49(11):4876-4887.
林蔚青, 郑垂锭, 陈静, et al. 融合PERT与高效全局指针网络的电力变压器缺陷文本实体识别方法[J]. 2025, 49(11): 4876-4887.
林蔚青, 郑垂锭, 陈静, 等. 融合PERT与高效全局指针网络的电力变压器缺陷文本实体识别方法[J]. 电网技术, 2025,49(11):4876-4887. DOI: 10.13335/j.1000-3673.pst.2024.1527.
林蔚青, 郑垂锭, 陈静, et al. 融合PERT与高效全局指针网络的电力变压器缺陷文本实体识别方法[J]. 2025, 49(11): 4876-4887. DOI: 10.13335/j.1000-3673.pst.2024.1527.
电力变压器缺陷文本蕴含大量与设备可靠性密切相关的信息,可为变压器的智能化运维及寿命周期管理提供重要支撑。依托基于Transformer的双向编码器表示(bidirectional encoder representation from transformers
BERT)模型,文章提出一种融合乱序语言模型预训练BERT(pre-training BERT with permuted language model
PERT)与高效全局指针(efficient global pointer
EGP)网络的电力变压器缺陷文本实体识别方法。首先,在大规模中文语料库上利用乱序语言模型进行预训练以形成PERT模型。其次,PERT作为语义编码层,以深入挖掘实体内部的语义依赖关系,并捕捉复杂文本中的语言特征;EGP作为信息解码层,专注于精确定位关键信息并提取实体在缺陷文本中的分布特征,进而准确识别缺陷实体。最后,运用PERT-EGP模型识别缺陷文本中包含的缺陷设备、缺陷部件、缺陷部位、缺陷现象和缺陷程度5类实体。算例结果表明,相较于现有方法,该方法不仅在成分复杂的复合实体和长文本上效果提升显著,而且大幅缩短模型训练时间,具有更好的文本识别性能。
刘云鹏,许自强,李刚,夏彦卫,高树国.人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J].高电压技术,2019(02).
曹靖,陈陆燊,邱剑,王慧芳,应高亮,张波.基于语义框架的电网缺陷文本挖掘技术及其应用[J].电网技术,2017(02).
李妮,关焕梅,杨飘,董文永.基于BERT-IDCNN-CRF的中文命名实体识别方法[J].山东大学学报(理学版),2020(01).
邵冠宇,王慧芳,吴向宏,陆金龙,李建红,何奔腾.基于依存句法分析的电力设备缺陷文本信息精确辨识方法[J].电力系统自动化,2020(12).
丁禹,尚学伟,米为民.基于深度学习的电网调控文本知识抽取方法[J].电力系统自动化,2020(24).
郭知鑫,邓小龙.基于BERT-BiLSTM-CRF的法律案件实体智能识别方法[J].北京邮电大学学报,2021(04).
刘蓓,尚银辉,刘绚,安义.配电线路跳闸填报文本智能挖掘方法[J].高电压技术,2021(02).
缪希仁,林蔚青,肖洒,江灏,陈静,庄胜斌.基于条件互信息与LSTNet的特高压变压器顶层油温预测方法[J].电网技术,2022(07).
乔凯,陈可佳,陈景强.基于知识图谱与关键词注意机制的中文医疗问答匹配方法[J].模式识别与人工智能,2021(08).
李妍,孟洁,何金,张旭,王梓蒴.面向电力业务数据的命名实体识别[J].电力信息与通信技术,2022(04).
贾骏,杨强,付慧,杨景刚,何禹德.基于电力设备大数据的预训练语言模型构建和文本语义分析[J].中国电机工程学报,2023(03).
董家富,万雄,王岩,叶瑞丽,熊志杰,范海威,薛一波.基于XGB-Transformer模型的短期电力负荷预测[J].电力信息与通信技术,2023(01).
陈鹏,邰彬,石英,金杨,孔力,汪进锋.融合BERT、双向长短记忆网络和条件随机场的电力设备缺陷文本实体抽取[J].电网技术,2023(10).
林蔚青,缪希仁,肖洒,江灏,卢燕臻,邱星华,阴存翊.基于时空特征挖掘的特高压变压器热状态参量预测方法[J].中国电机工程学报,2024(04).
虞佳淼,王慧芳,张亦翔,费正明,周辉,王刘旺.基于BERT的电网现场作业风险自动评级方法[J].电网技术,2023(11).
0
浏览量
302
下载量
CSCD
关联资源
相关文章
相关作者
相关机构