文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223323
中文引用格式： 袁金斗，潘明明，張騰，等. 基于規則和詞典的用電安全領域命名實體識別[J].電子技術應用，2022，48(12)：22-27.
英文引用格式： Yuan Jindou，Pan Mingming，Zhang Teng，et al. Electricity safety domain named entity recognition based on rules and dictionaries[J]. Application of Electronic Technique，2022，48(12)：22-27.
0 引言
命名實體識別[1-3](Named Entity Recognition，NER)在通用領域中主要是指識別文本中的人名、地名、機構名、時間、貨幣等具有特定意義的實體。目前，命名實體識別的主要方法包括三類：基于規則[4]和詞典[5-6]的方法、基于統計機器學習的方法[7]和基于深度神經網絡的方法[8]。
目前，用電安全領域缺乏權威數據集[9]，命名實體識別研究工作首先需要對語料集進行序列標注，標記非結構文本中的相關實體、無關字符、詞性序列等，在此研究背景下，采用統計機器學習、深度神經網絡的方法較難獲取大規模的訓練語料集。因此，本文主要基于規則和詞典的方法對實體命名識別進行第一階段研究，發掘用電安全領域實體構詞規則及詞性特征，構建領域詞典及規則模板，進一步擴充語料庫，為后續用電安全領域命名實體識別的機器學習、神經網絡方法的研究奠定基礎。
從技術角度分析，如果構建的領域詞典能夠覆蓋待識別文本中絕大多數相關實體，那么，基于詞典的命名實體識別方法將具有高準確度及高響應度。但是，領域實體的多樣性、復雜性、衍生性導致構建覆蓋全面的高質量詞典較為困難。因此，基于詞典的方法通常是基于規則方法的輔助補充手段[10]。基于規則的實體命名識別多采用人工歸納并構造規則模板，選用特征包括標點符號、關鍵字、指示詞和方向詞、位置詞(如前后綴)、中心詞等，以規則模板的正則匹配為主要手段[11]。當語料規模不大且提取的規則能比較精確地反映語言現象時，基于規則和詞典的方法其性能要優于基于統計的方法[12]。
另一方面，物聯網設備和數據的爆發式增長，使得基于云計算模型的聚合性服務逐漸顯露出其在實時性、網絡制約、資源開銷等方面的不足。為彌補集中式云計算的不足，本文采用邊緣計算架構，其優勢在于能夠在數據產生側快捷、高效地響應業務需求，減小服務對網絡的依賴，在離線狀態下也能夠提供基礎業務服務。
本文詳細內容請下載：http://www.rjjo.cn/resource/share/2000005035。
作者信息：
袁金斗1，潘明明1，張 騰2，姜 玨1
(1.中國電力科學研究院有限公司，北京100192；2.國網江蘇省電力有限公司，江蘇 南京210000)
