期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BERT的混合电力信息报文自动提取技术
1
作者
贺云隆
杨东华
+3 位作者
宋晓林
张闯
李佳燚
刘鑫宇
《无线电工程》
2025年第5期1105-1114,共10页
针对智能化电力系统运行维护过程中产生的大量电力信息报文缺乏有效提取技术的实际情况,提出了一种基于双向编码器表示的Transformer模型(Bidirectional Encoder Representations from Transformers, BERT)的混合电力信息报文自动提取技...
针对智能化电力系统运行维护过程中产生的大量电力信息报文缺乏有效提取技术的实际情况,提出了一种基于双向编码器表示的Transformer模型(Bidirectional Encoder Representations from Transformers, BERT)的混合电力信息报文自动提取技术,旨在提高电力系统中非结构化故障文本数据的分析效率。构建了一个包含BERT-SENet网络用于文本分类,以及BERT-Bi-LSTM-CRF网络用于命名实体识别的自动提取模型。通过整合文本分类和命名实体识别任务,模型能够有效地对电力故障文本进行自动分类和关键信息提取。实验结果表明,模型在文本分类和命名实体识别任务上均优于传统方法,为电力系统的信息化和智能化提供了有效支持。提升了电力系统故障处理的效率,为类似领域的文本数据自动分析提供了新的思路和方法。
展开更多
关键词
智慧电网
电力故障文本
自然语言处理
文本
分类
命名实体识别
双向编码器表示的Transformer模型
在线阅读
下载PDF
职称材料
题名
基于BERT的混合电力信息报文自动提取技术
1
作者
贺云隆
杨东华
宋晓林
张闯
李佳燚
刘鑫宇
机构
国网陕西省电力有限公司营销服务中心(计量中心)
黑龙江省电工仪器仪表工程技术研究中心有限公司
出处
《无线电工程》
2025年第5期1105-1114,共10页
文摘
针对智能化电力系统运行维护过程中产生的大量电力信息报文缺乏有效提取技术的实际情况,提出了一种基于双向编码器表示的Transformer模型(Bidirectional Encoder Representations from Transformers, BERT)的混合电力信息报文自动提取技术,旨在提高电力系统中非结构化故障文本数据的分析效率。构建了一个包含BERT-SENet网络用于文本分类,以及BERT-Bi-LSTM-CRF网络用于命名实体识别的自动提取模型。通过整合文本分类和命名实体识别任务,模型能够有效地对电力故障文本进行自动分类和关键信息提取。实验结果表明,模型在文本分类和命名实体识别任务上均优于传统方法,为电力系统的信息化和智能化提供了有效支持。提升了电力系统故障处理的效率,为类似领域的文本数据自动分析提供了新的思路和方法。
关键词
智慧电网
电力故障文本
自然语言处理
文本
分类
命名实体识别
双向编码器表示的Transformer模型
Keywords
smart grid
power fault text
natural language processing
text classification
named entity recogni ition
BERT
分类号
TM734 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BERT的混合电力信息报文自动提取技术
贺云隆
杨东华
宋晓林
张闯
李佳燚
刘鑫宇
《无线电工程》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
