Reconocimiento de Entidades Nombradas para el Diagnóstico de Fallos en Equipos Basado en RoBERTa-wwm-ext e Integración de Aprendizaje Profundo

El reconocimiento de entidades nombradas (NER) para el diagnóstico de fallos en equipos consiste en extraer entidades específicas del texto de diagnóstico de fallos en equipos en chino, que es la premisa para construir un grafo de conocimiento sobre el diagnóstico de fallos en equipos. El reconocimiento de entidades nombradas para el diagnóstico de fallos en equipos también puede proporcionar un importante soporte de datos para el mantenimiento de equipos. El texto de diagnóstico de fallos en equipos tiene semánticas complejas, bordes de entidad difusos y un tamaño de datos limitado. Con el fin de extraer entidades del texto de diagnóstico de fallos en equipos, este artículo presenta un modelo NER para el diagnóstico de fallos en equipos basado en RoBERTa-wwm-ext e integración de la red de Aprendizaje Profundo. En primer lugar, este modelo utiliza RoBERTa-wwm-ext para extraer incrustaciones sensibles al contexto de las secuencias de texto. En segundo lugar, la información de características contextuales se obtiene a través de la red BiLSTM. En tercer lugar, se combina el CRF para emitir la secuencia de etiquetas con una relación de restricción, mejorar la precisión de la tarea de etiquetado de secuencias y completar la tarea de reconocimiento de entidades. Finalmente, se llevan a cabo experimentos y predicciones en el conjunto de datos construido. Los resultados muestran que el modelo puede identificar de manera efectiva cinco tipos de entidades de diagnóstico de fallos en equipos y tiene índices de evaluación más altos que el modelo tradicional. Su precisión, recuperación y valor F1 son 94.57%, 95.39% y 94.98%, respectivamente. El estudio de caso prueba que el modelo puede reconocer con precisión la entidad del texto de entrada.