長(zhǎng)文本的復(fù)雜指標(biāo)提取方法.pdf

1、一直以來(lái)，在電網(wǎng)工程設(shè)計(jì)評(píng)審應(yīng)用領(lǐng)域，存在無(wú)法從電網(wǎng)工程設(shè)計(jì)文檔中準(zhǔn)確提取關(guān)鍵技術(shù)指標(biāo)供評(píng)審的問(wèn)題。導(dǎo)致評(píng)審專家需要現(xiàn)場(chǎng)獲取大量關(guān)鍵技術(shù)指標(biāo)信息，評(píng)審標(biāo)準(zhǔn)不統(tǒng)一、評(píng)審效率低、評(píng)審效果差。本課題將從電網(wǎng)系統(tǒng)文本出發(fā)，研究出一套從長(zhǎng)文本中自動(dòng)化提取大量復(fù)雜指標(biāo)的智能方法，以便提高電網(wǎng)評(píng)審人員的工作效率和質(zhì)量，節(jié)省人力和物力。電網(wǎng)工程初步設(shè)計(jì)說(shuō)明文檔和電網(wǎng)工程可行性研究報(bào)告文檔篇幅長(zhǎng)，一般為數(shù)萬(wàn)字符至數(shù)十萬(wàn)字符，文檔段落結(jié)構(gòu)復(fù)雜，需要提取的關(guān)

2、鍵工程技術(shù)指標(biāo)繁多，分為變電站指標(biāo)和線路指標(biāo)，共276個(gè)指標(biāo)，可歸為6大類。
　　面對(duì)該復(fù)雜問(wèn)題，本課題設(shè)計(jì)實(shí)現(xiàn)了基于條件隨機(jī)場(chǎng)CRFs的序列標(biāo)注方法對(duì)指標(biāo)值、指標(biāo)屬性、可選方案、分工程名稱進(jìn)行抽取。按照指標(biāo)抽取的流程，課題重點(diǎn)實(shí)現(xiàn)了指標(biāo)體系的構(gòu)建和標(biāo)注系統(tǒng)的搭建；選取特征和構(gòu)造詞典；訓(xùn)練條件隨機(jī)場(chǎng)；錯(cuò)誤分析及模型改進(jìn)工作。對(duì)于預(yù)處理和后處理，課題通過(guò)識(shí)別文章段落結(jié)構(gòu)將文章內(nèi)容切分并組合成6部分，以屏蔽不同類別指標(biāo)間的相互影響，實(shí)

3、現(xiàn)系統(tǒng)的并行化處理，減少響應(yīng)時(shí)間；使用結(jié)構(gòu)信息識(shí)別將文本中使用的分工程的簡(jiǎn)稱或別稱與分工程的完整規(guī)范名稱進(jìn)行匹配，并準(zhǔn)確識(shí)別每個(gè)分工程的作用域；設(shè)計(jì)了準(zhǔn)確識(shí)別每個(gè)方案的作用域并識(shí)別文檔作者推薦的方案；并成功識(shí)別每個(gè)指標(biāo)值的全部屬性。由于課題的系統(tǒng)與南網(wǎng)輸變電工程設(shè)計(jì)評(píng)審平臺(tái)使用了不同的技術(shù)架構(gòu)，我們采用基于數(shù)據(jù)庫(kù)標(biāo)志位的通信機(jī)制實(shí)現(xiàn)系統(tǒng)的整合集成。
　　基于對(duì)比實(shí)驗(yàn)結(jié)果和系統(tǒng)的評(píng)測(cè)結(jié)果，本文的電網(wǎng)工程技術(shù)指標(biāo)提取方法較使用純規(guī)則的