基于BERT的数控机床故障领域命名实体识别

摘要：

针对数控(computer numerical control,CNC)机床故障领域命名实体识别方法中存在实体规范不足及有效实体识别模型缺乏等问题,制定了领域内实体标注策略,提出了一种基于双向转换编码器(bidirectional encoder representations from transformers,BERT)的数控机床故障领域命名实体识别方法.采用BERT编码层预训练,将生成向量输入到双向长短期记忆网络(bidirection-al long short-term memory,BiLSTM)交互层以提取上下文特征,最终通过条件随机域(conditional random field,CRF)推理层输出预测标签.实验结果表明,BERT-BiLSTM-CRF模型在数控机床故障领域更具优势,与现有模型相比,F1提升大于1.85％.

关键词：命名实体识别、数控机床故障领域、双向转换编码器

所属期刊栏目：22

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61562065

在线出版日期：2022-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：5737-5743