基于ERNIE-BiGRU-CRF模型的煤矿安全隐患命名实体智能识别研究

为充分挖掘煤矿安全隐患文本关键知识，帮助煤矿企业安全管理人员更好的开展隐患排查治理工作，提出一种基于预训练语言模型的命名实体识别方法。首先定义煤矿安全隐患实体类别，并采用BIO标注策略构建了7个实体类别和15个实体标签；然后将收集到的煤矿隐患排查数据进行预处理，由煤矿安全领域专家人工标注相关实体，得到1500条煤矿安全隐患命名实体标准数据集；最后采用ERNIE预训练模型对煤矿安全隐患文本词向量进行表征、同时利用BiGRU结构进行上下文语义特征提取以及CRF模型进行实体标签解码，完成煤矿安全隐患命名实体识别研究。实验结果表明：ERNIE-BiGRU-CRF模型在序列标注任务上的精确率、召回率和F₁值分别为56.69%、69.23%和62.34%,较于BiLSTM-CRF基线模型分别提高了6.85%、13.74%和9.83%,并且实体抽取结果与实际标注结果相差不大。另外，消融实验也验证了BiGRU层能够更好的捕捉煤矿安全隐患文本上下文语义依赖关系以及CRF层能够进一步优化标签序列的有效性。