《计算机工程与科学杂志》发表论文赏析

面向电力运维的知识图谱构建:基于EBOM模型的实体关系联合抽取

来源:计算机工程与科学杂志2026年第2期北京时间:

作者:王堃, 张馨予, 陈志刚, 阳予晋

单位:1.清华大学计算机科学与技术系,北京 100084;2.南方电网数字电网集团信息通信科技有限公司,广东 广州 510700;3.中南大学计算机学院,湖南 长沙 410083;4.湖南省哲学社会科学重点实验室城市智慧治理实验室,湖南 长沙 410083;5.中国电信股份有限公司长沙分公司,湖南 长沙 410011

摘要:知识抽取作为构建电力知识图谱的关键步骤,能够从大量非结构化电力文本中准确提取实体和关系。然而,传统的流水线方式存在以下问题:错误信息在识别过程中向后传递,实体识别与关系抽取任务割裂,以及容易产生冗余信息。这些问题导致抽取精确率低、信息不全面,从而影响知识图谱的构建质量。针对这些挑战,提出了一种面向电力信息系统运维领域的实体关系联合抽取模型——EBOM,并对电力信息运维领域常用模型OneRel的目标函数进行了优化,以提升其在电力知识三元组抽取中的精确率。基于电力信息系统运行监控数据和故障文本数据进行实验,构建了电力信息系统运维领域的知识图谱。结果表明,EBOM模型相较于多模块多步骤模型PRGC,在知识抽取精确率上提升了约8个百分点,为电力信息运维领域知识图谱的构建提供了有效支持。

关键词:知识抽取,实体关系联合抽取,电力信息系统,

基金资助:国家电网有限公司科技项目(5229XT240003)

2026年2期其他文献查阅:

低温ADC综述

基于发送速率梯度的数据中心网络拥塞控制

面向领域专用片上网络的自定义拓扑结构生成框架

下一代智算中心RDMA QP通信机制

应用场景驱动的动态自重构A*算法加速阵列设计与实现

一种基于因果关系的减轻大语言模型幻觉的方法

一种基于强化学习的多跳知识图谱推理方法研究

基于多阶段协同推理的大语言模型司法问答框架

ICBV:一种基于BERT变分自编码的半监督意图聚类方法

面向电力运维的知识图谱构建:基于EBOM模型的实体关系联合抽取

基于双编码器和知识增强的方面情感三元组抽取

基于改进的PEGASUS模型与自适应纠错机制的双阶段文本摘要方法

基于动态依赖驱动与多元特征增强的中文关系抽取

基于数据增强的对话情绪识别

基于全景语义和多层次特征融合的方面级多模态情感分析

基于提示学习的少样本情感分类研究

一种基于预训练语言模型的多特征融合文章对匹配模型

自适应融合的多模态实体对齐方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!