基于 Senna-BiLSTM-CRF 的测井实体抽取方法研究

来源：计算机技术与发展杂志2021年第12期北京时间：

作者：尚福华;金泉*;曹茂俊

摘要：实体抽取是构建知识图谱极为重要的过程,实体抽取的质量将直接决定构建的知识图谱的质量。 为了更好地构建测井领域知识图谱,该文对测井命名实体抽取的方法进行研究。 针对在测井领域知识图谱构建过程中尚无公开数据集可用的情况,收集了部分测井领域相关的非结构化文本数据,并对其中的测井实体进行人工标注,构建了测井领域知识图谱命名实体抽取数据集。 基于该数据集,提出使用 Senna 词向量-BiLSTM-CRF 的方法对测井非结构文本数据中的命名实体进行抽取,降低数据标注的难度,提高训练效率。 实验结果表明使用 Senna 词向量-BiLSTM-CRF 的方法能够比较有效地完成对测井领域实体抽取的任务,该方法在构建的测井命名实体抽取数据集上的准确率达到了 84. 87% ,召回率达到了81. 62% ,F1 值达到了 83. 22% ,优于对比的 BiLSTM-CRF 和词向量-BiLSTM-CRF。

关键词：实体抽取;知识图谱;深度学习;词向量;测井