基于K-BERT的测井文本分类方法研究

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：曹茂俊;肖阳

摘要：在石油勘探与开发领域,测井文本数据的处理和分类是提高测井数据解读效率和准确性的关键环节。 然而,测井文本中包含大量专业术语和复杂的数据结构,使得传统的文本分类技术在面对专业领域数据时效果有限,难以满足实际应用需求。 为了解决这一问题,该文提出了一种改进的 K-BERT 文本分类方法。 该方法结合了 K-BERT 模型和 TextCNN的文本特征提取能力。 K-BERT 通过引入测井领域的知识图谱,将领域知识嵌入模型中,增强了模型对专业术语和复杂语义的理解能力,从而提升了模型在专业领域文本分类中的语义捕捉效果。 而 TextCNN 利用卷积神经网络的特性,能够有效提取文本的局部特征,捕捉文本细节信息,进一步提升分类的精度与鲁棒性。 两者的结合为测井文本的分类提供了一种创新的解决方案。 通过实验对比分析,该方法在宏精确率、宏召回率及宏 F1 值等指标上均优于传统文本分类模型,验证了其在专业领域文本分类中的有效性和优越性。

关键词：K-BERT;TextCNN;测井文本;文本分类;测井知识图谱