节点文献

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

免费订阅

【作者】 贾全烨张强宋博川

【Author】 JIA Quanye;ZHANG Qiang;SONG Bochuan;Global Energy Interconnection Research Institute Co.,Ltd.;

【通讯作者】 张强;

【机构】 全球能源互联网研究院有限公司

【摘要】 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。

【基金】 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)~~
【所属期刊栏目】 特别策划_智能化电力客户服务技术研究及应用 (2020年06期)
  • 【DOI】10.19421/j.cnki.1006-6357.2020.06.003
  • 【分类号】F407.61;TN912.3;TP391.1;TP183
  • 【下载频次】87
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: