基于BERT-Tiny Transformer-CRF的自动化装配命名实体识别方法
来源：计算机集成制造系统杂志2025年第10期北京时间：
作者：钱冠翔, 于丽娅, 李传江, 李少波, 徐兆
单位：1.贵州大学机械工程学院2.贵州大学省部共建公共大数据国家重点实验室
摘要：随着工业5.0对知识驱动的智能制造提出新要求,机械装配领域面临多模态数据稀疏、实体语义边界模糊、数据分布呈现长尾效应的挑战。为此,提出一种融合多项式损失函数的BERT-Tiny Transformer-CRF模型,旨在提升低资源场景下的领域知识抽取效率。首先,通过知识蒸馏与语义增强技术注入领域先验知识,其次设计维度自适应特征压缩模块实现跨模态特征融合,最后构建动态边缘感知解码机制实现实体边界的精准定位。利用自主构建的自动化装配数据集,将所提方法与不同实体识别模型进行对比,实验结果表明,所提模型具有良好的泛化识别能力,以86.62%的准确率、85.27%的精确率、85.67%的召回率和85.46%的F1值优于其他模型,为工业5.0下机械自动化装配领域知识图谱的构建提供了一种有效的技术方法。
关键词：BERT-Tiny Transformer-CRF模型,数据增强,PolyLoss,自动化装配
基金资助：国家重点研发计划资助项目(2023YFB3308802);国家自然科学基金面上项目 (52275480);贵州省基础研究计划(自然科学)青年及面上项目(黔科合基础-［2024］青年160,黔科合基础MS〔2025〕601))。
