一种基于分层结构的设备故障领域本体实例关系抽取方法

作     者：葛天一 杨长春 陈延雪 周婷 Ge Tianyi;Yang Changchun;Chen Yanxue;Zhou Ting

作者机构：常州大学阿里云大数据学院江苏常州213016 常州大学微电子与控制工程学院江苏常州213016 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2023年第40卷第8期

页      面：72-79页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏省研究生科研与实践创新计划项目(KYCX19_1771) 赛尔网络下一代互联网技术创新项目(NGII20180706) 

主　　题：本体构建 设备故障 关系抽取 分层结构 自注意力机制 双向长短期记忆模型 

摘      要：优质的设备故障领域本体需要实例之间拥有准确的关系。传统的基于神经网络的实例关系抽取方法容易使意义相近的关系误分,且由于故障领域文本中实例间隔较远,使用该类方法抽取故障领域实例关系效果不佳。针对上述问题,基于分层结构提出了一种从非结构化文本中抽取设备故障领域实例关系的方法。第一层通过对实例对中实例类型的识别,进行初步关系抽取;第二层使用融合自注意力机制的BiLSTM模型对包含实例对的句子进行解析,进行精确分类;通过统计的方法完成实例关系抽取。实验结果表明,此方法与现有的基于神经网络的实例关系抽取方法相比,取得了较好的精确度与召回率,提高了故障本体实例关系抽取的效果(F1值)。