基于三元组分类器的电力安全领域知识抽取

摘要

电力安全三元组抽取是构建电力安全知识图谱及搜索系统的基础。面对特殊语句时,电力安全传统深度学习抽取方法识别率低且容易出现误差传播,而用联合抽取方法无法处理实体对重叠和单实体重叠问题。因此,提出基于三元组分类的联合抽取方法,用分类思想进行电力安全三元组抽取。首先从电力安全文本网站提取电力安全标准文本,并开发插件进行手动标注。然后利用Chinese-bert-wwm-ext（Chinese bidirectional encoder representations from transformers whole word masking extesion）预训练模型对电力安全文本数据向量化。随后将词向量枚举,将三元组转换为两对向量组,再设计分类器训练联合抽取模型抽取三元组向量,最后解码出三元组。实验结果:在电力安全数据集上取得了90.2%的F₁值,比传统流水线方法Bert-BILSTM-CRF （Bidirectional encoder representations from transformers bidirectional long short-term memory conditional random fields）高10%,比联合抽取模型TPLinker （Token pair linker）高1.3%。该结果表明所提方法便于后续电力安全知识图谱建立。

关键词

电力系统运行 / 电力安全 / 关系抽取 / 三元组抽取 / Transformer