典型文献
基于BERT的数控机床故障领域命名实体识别
文献摘要：
针对数控(computer numerical control,CNC)机床故障领域命名实体识别方法中存在实体规范不足及有效实体识别模型缺乏等问题,制定了领域内实体标注策略,提出了一种基于双向转换编码器(bidirectional encoder representations from transformers,BERT)的数控机床故障领域命名实体识别方法.采用BERT编码层预训练,将生成向量输入到双向长短期记忆网络(bidirection-al long short-term memory,BiLSTM)交互层以提取上下文特征,最终通过条件随机域(conditional random field,CRF)推理层输出预测标签.实验结果表明,BERT-BiLSTM-CRF模型在数控机床故障领域更具优势,与现有模型相比,F1提升大于1.85％.
文献关键词：
命名实体识别;数控机床故障领域;双向转换编码器
中图分类号：
作者姓名：
褚燕华;蒋文;王丽颖;张晓琳;王乾龙
作者机构：
内蒙古科技大学信息工程学院,包头014010
文献出处：
引用格式：
[1]褚燕华;蒋文;王丽颖;张晓琳;王乾龙-.基于BERT的数控机床故障领域命名实体识别)[J].科学技术与工程,2022(14):5737-5743
A类：
数控机床故障领域,双向转换编码器,bidirection
B类：
BERT,命名实体识别,computer,numerical,control,CNC,实体识别方法,实体规范,识别模型,实体标注,bidirectional,encoder,representations,from,transformers,编码层,预训练,双向长短期记忆网络,long,short,term,memory,BiLSTM,上下文特征,conditional,random,field,CRF,输出预测,现有模型
AB值：
0.259735
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
