基于双向融合注意力网络的数据库告警多模态关系抽取

李济伟; 高德荃; 冯宝; 王至凡; 张林锋; 卞宇翔

doi:10.16543/j.2095-641x.electric.power.ict.2025.09.06

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于双向融合注意力网络的数据库告警多模态关系抽取

人工智能 | 更新时间：2026-01-30

- 基于双向融合注意力网络的数据库告警多模态关系抽取
- 基于双向融合注意力网络的数据库告警多模态关系抽取
- 电力信息与通信技术 2025年第9期页码：42-48
- 作者机构：
  
  1. 国家电网有限公司信息通信分公司
  2. 南京南瑞信息通信科技有限公司
- 作者简介：
- 基金信息：
  
  国家电网有限公司信息通信分公司自行管理科技项目资助“数据库运行异常事件智能排查与运维知识检索技术研究”(529939220001)
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.09.06
  中图分类号： TP311.13;TP391
- 纸质出版：2025
- 稿件说明：
移动端阅览
李济伟, 高德荃, 冯宝, 等. 基于双向融合注意力网络的数据库告警多模态关系抽取[J]. 电力信息与通信技术, 2025,(9):42-48.

李济伟, 高德荃, 冯宝, et al. 基于双向融合注意力网络的数据库告警多模态关系抽取[J]. 2025, (9): 42-48.
李济伟, 高德荃, 冯宝, 等. 基于双向融合注意力网络的数据库告警多模态关系抽取[J]. 电力信息与通信技术, 2025,(9):42-48. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.09.06.

李济伟, 高德荃, 冯宝, et al. 基于双向融合注意力网络的数据库告警多模态关系抽取[J]. 2025, (9): 42-48. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.09.06.

摘要

关系抽取作为信息处理领域中的核心任务，一直受到广泛关注。随着注意力机制和神经网络技术的不断发展，多模态关系抽取逐渐成为研究热点，即结合来自文本、图像等多模态数据的特征，以提升关系抽取的准确性。然而，目前大多数模型仍然专注于单模态关系抽取，尤其是在数据库告警系统中，单模态模型往往无法有效地融合和分配不同模态特征的权重，导致信息聚合的不足和关系识别的准确性下降。为了解决这一问题，文章提出一种基于双向融合注意力网络的多模态关系抽取模型，并将其应用于数据库告警系统中。所提模型通过双向融合注意力网络，突出显性、低级的多模态数据库告警上下文信息，并合理分配不同模态特征的权重。设计一个自下而上的动态注意力网络，用于提取隐性的多模态数据库告警上下文信息，同时引入自上而下的静态自注意力机制，以一次性捕获和显示基于原始输入的多模态交互信息。实验结果表明，在基于Oracle数据库的业务系统上，所提模型在准确率、召回率和F1得分上分别达到81.5%、83.7%和83.4%，优于当前最佳模型，充分验证模型的有效性。

Abstract

关键词

Keywords

references

张良嵩,杨清,关城,李嘉璐.面向新型电力系统的配电通信故障衍生告警智能运维技术[J].电力信息与通信技术,2024(09).

陆俊,梁恩民,丁慧霞,龚钢军,高凯强,汪莞乔.新型电力负荷管理系统的多模态通信组网研究[J].电力信息与通信技术,2024(03).

王红霞,王波,董旭柱,姚良忠,张嘉鑫,马恒瑞.面向电力多模态融合的语义差异性和感知能力差异性分析方法[J].高电压技术,2024(09).

肖大军,张逸茹,徐遐龄,刘涛,李翔.基于Bert的电网故障处置预案信息抽取研究与实现[J].电力信息与通信技术,2023(03).

Yong Chen,Xinkai Ge,Shengli Yang,Linmei Hu,Jie Li,Jinwen Zhang.A Survey on Multimodal Knowledge Graphs: Construction, Completion and Applications[J].Mathematics,2023.

Huang Wenti,Mao Yiyu,Yang Liu,Yang Zhan,Long Jun.Local-to-global GCN with knowledge-aware representation for distantly supervised relation extraction[J].Knowledge-Based Systems,2021.

Weitao Wang,Meng Wang,Sen Wang,Guodong Long,Lina Yao,Guilin Qi,Yang Chen.One-Shot Learning for Long-Tail Visual Relation Detection[J].Proceedings of the AAAI Conference on Artificial Intelligence,2020.

Jiang Dan,He Jin.Tree Framework With BERT Word Embedding for the Recognition of Chinese Implicit Discourse Relations[J].IEEE ACCESS,2020.

Guo Fengyu,He Ruifang,Dang Jianwu.Implicit Discourse Relation Recognition via a BiLSTM-CNN Architecture With Dynamic Chunk-Based Max Pooling[J].IEEE Access,2019.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据