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)。
|