基于数据增强和损失平衡的机电领域命名实体识别

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：林娜, 岳希, 唐聃

单位：1.成都信息工程大学 软件工程学院，成都 610225 ；2.四川省信息化应用支撑软件工程技术研究中心，成都 610225

摘要：机电领域命名实体识别是机电创新设计信息检索最基础的过程。目前命名实体识别任务的数据在机电领域较少，且大部分存在不平衡问题。通过构建机电领域命名实体识别数据集，根据数据集文本结构特点设计多维数据增强方法，并提出基于改进loss的命名实体识别模型BERT-BiGRU-CRF（BL）。对互联网机电领域文本语料进行爬取并进行标注构成机电领域命名实体识别数据集；根据不同方式对数据集的影响从同类实体替换、同义词替换、语料裁减和语料拼接四个方面进行多维数据增强后按一定比例进行数据扩充增加数据丰富度；针对数据集数据不平衡问题设计使用Weigh loss平衡focal loss 与CRF loss权重的模型，该模型采用BERT进行词向量编码，利用BiGRU完成文本向量的特征提取，使用CRF进行标签约束与解码。经实验证明，多维数据增强方法对模型效果有显著提升，并且经过改进的模型在原始和增强后数据集上表现均为最优，F1值分别为78.23%和83.3%。

关键词：机电领域,命名实体识别,数据增强,focal loss,Weigh loss