基于双向长短时记忆网络的地铁应急知识抽取与推理

来源：同济大学学报·自然科学版杂志2025年第3期北京时间：

作者：叶雨涛，王鹏玲，徐瑞华，肖晓芳，葛健豪

单位：1.同济大学 交通运输工程学院，上海 201804;2.同济大学 上海市轨道交通结构耐久与系统安全重点实验室，上海 201804;3.同济大学 上海市多网多模式轨道交通协同创新中心，上海 201804

摘要：为解决文本类地铁应急处置流程存在的流程顺序关系不明确、流程执行人员模糊等问题，提出了基于BiLSTM-CRF（Bidirectional Long Short-Term Memory-Conditional Random Field）的地铁应急处置知识抽取与推理方法。首先，利用BiLSTM-CRF方法对地铁应急处置流程的文本资料进行命名实体识别，完成文本资料的知识抽取；其次，选用TransD模型对识别后实体数据进行知识推理，从而完成以实体和属性对为节点、关系对为边的知识图谱构建；最后，利用Neo4j图数据库对构建的地铁应急处置流程知识图谱进行了可视化展示和案例分析。研究结果表明，基于BiLSTM-CRF的知识抽取模型的精确率、召回率和F1值均达到了90%以上，且基于BiLSTM-CRF的TransD模型的推理结果准确率提升了22.92%，保证了知识图谱构建的准确性，可为地铁应急管理提供决策支持。

关键词：地铁应急处置,知识图谱,条件随机场的双向长短时网络,TransD模型,知识抽取

基金资助：国家自然科学基金联合基金（U2368216）；国家自然科学基金青年科学基金（72101184）；上海市自然科学基金（23ZR1467400）