供用电

2020, v.37;No.235(06) 13-20

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种基于循环神经网络的电网客服语音文本实体识别算法
A Text Entity Recognition Algorithm Based on Recurrent Neural Network for Customer Service Voice of State Grid

贾全烨;张强;宋博川;

摘要(Abstract):

针对电力领域语音转写文本质量差,不能很好解决电网领域命名实体识别问题,以电网信息通信(information and communications technology,ICT)系统语音转写文本数据为研究对象,构建了一种基于双向长短期记忆(bi-directional long short-term memory,BiLSTM)神经网络融合条件随机场(conditional random field,CRF)面向电力文本特征的实体识别算法。通过与循环神经网络(recurrent neural network,RNN)等神经网络算法的对比验证:BiLSTM-CRF在电网ICT领域实体识别准确率达79%,F1值达80%,优于LSTM(long short-term memory)和其他RNN算法,并能较好地识别转写错误实体。该算法有效提升了领域语音转写文本的实体识别准确率,同时降低了领域语音识别技术成本,为电网客服领域信息检索、智能问答、个性化推荐等自然语言处理应用提供了高质量非结构化样本数据。

关键词(KeyWords): BiLSTM;循环神经网络;条件随机场;ICT客服;实体识别

Abstract:

Keywords:

基金项目(Foundation): 国家电网有限公司总部科技项目“电力营业厅智能机器人应用系统关键技术”(5210EG20000G)~~

作者(Author): 贾全烨;张强;宋博川;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享