面向不平衡数据的机械设备故障命名实体识别

来源：计算机工程杂志2024年第9期北京时间：

作者：党小超, 刘涧, 董晓辉, 祝忠彦, 李芬芳

单位：1. 西北师范大学计算机科学与工程学院, 甘肃 兰州 7300002. 金川集团股份有限公司龙首矿, 甘肃 金昌 737103

摘要：命名实体识别作为构建知识图谱的基础任务, 其识别效果直接影响知识图谱的质量。在实际生产中, 机械故障数据通常包含大量的领域专业词汇, 同时实体类型普遍存在分布不平衡的问题, 这对准确识别故障实体构成了挑战。通用领域实体识别方法在这一领域效果欠佳, 从而降低了知识图谱的质量。为应对上述问题, 提出一种融合焦点损失(Focal Loss)函数和专业词典的实体识别方法。该方法使用Focal Loss函数应对实体类型不平衡问题, 通过引入平衡因子和调制系数, 改进传统的交叉熵损失函数, 提升实体识别效果, 同时将领域专业词汇嵌入到模型中, 进一步提高实体识别性能, 这一词典包含机械故障的领域术语, 有助于模型更准确地识别机械设备故障命名实体。在自建的矿井提升机实验数据集上进行广泛实验验证, 结果证明, 融入Focal Loss后模型的F1值比主流模型BERT-BiLSTM-CRF提高了5.57个百分点, 相比用于解决数据不平衡的典型方法SMOTE效果更优, 在此基础上, 通过嵌入领域词典, 模型的F1值得到进一步提升, 达到89.13%。

关键词：命名实体识别,不平衡数据,焦点损失函数,机械设备故障,双向长短期记忆网络,条件随机场

基金资助：国家自然科学基金(62162056); 甘肃省产业支撑计划(021CYZC-06)