一种用于故障工单的文本实体关系的联合抽取方法

本发明涉及智能制造，尤其涉及一种用于故障工单的文本实体关系的联合抽取方法。

背景技术：

1、随着制造业的转型升级，生产线设备变得越来越复杂化和智能化，这导致产线设备一旦发生故障，维护所需的技术变高，时间变长，企业的经济效益受到影响。目前，维修人员对于生产线设备的故障诊断与维修大多依赖于维修手册和专家系统等，但维修手册和专家系统依赖于人力维护和更新且对于故障根因查找的效率不高，因此，挖掘故障根因效率高、更新及时的基于知识图谱的故障诊断成为一个热门领域。而高质量、大规模的故障知识图谱是基于知识图谱的故障诊断应用的基础，构建故障知识图谱需要高效地从记录了历史维修记录的故障工单中抽取出实体和关系。

2、目前，实体和关系抽取分为两种主要方法：流水线方法和联合抽取方法。流水线方法将实体抽取和关系抽取分为两个独立的子任务，在完成实体识别的基础上对实体进行关系分类。这种方法容易执行，具有较高的灵活性，但忽视了两个任务的内在联系，并且存在误差传播的问题。联合抽取方法隐式地降低了任务之间的错误传播，但仍存在关系重叠问题，包括单实体重叠和实体对重叠，影响了实体关系抽取的准确性。故障工单文本由于其特殊性，存在信息集中和单一实体依赖的问题，这导致关系重叠问题严重且实体关系抽取依赖于文本中的某个实体，一旦这个实体抽取失败，将失去所有有关的三元组。从而导致实体关系抽取的准确率较低的问题。

3、因此，如何提高故障工单文本实体关系抽取的准确率，成为了需要进一步研究的问题。

技术实现思路

1、本发明的实施例提供一种用于故障工单的文本实体关系的联合抽取方法，能够提高故障工单文本实体关系抽取的准确率。

2、为达到上述目的，本发明的实施例采用如下技术方案：

3、一种用于故障工单的文本实体关系的联合抽取方法，包括：

4、s1、从故障工单文本中获取词向量；

5、s2、利用指针网络根据所述词向量预测基实体；

6、s3、针对所述词向量中与实体抽取任务和关系分类任务相关联的特征，进行增强处理；

7、s4、获取与基实体存在关系的关联实体；

8、s5、利用基实体与关联实体组成的实体对，确定实体关系三元组。

9、本发明实施例提供的用于故障工单的文本实体关系的联合抽取方法，基于层叠指针网络的方式获取所有可能存在关系的基实体；将所有的基实体通过双向映射的方法，得到与其有关的头实体或尾实体，充分获取实体对；通过多个关系分类矩阵对实体对分类获取实体关系三元组。本发明基于层叠指针网络标注的方法，表达能力强，能够排除关系重叠的干扰。同时，针对故障工单文本信息中三元组集中、依赖单一实体的问题，加入了实体对双向映射方法，可以有效地提取实体对以提高实体关系联合抽取的性能。

技术特征：

1.一种用于故障工单的文本实体关系的联合抽取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在s1中，包括：

3.根据权利要求1所述的方法，其特征在于，在s2中，包括：

4.根据权利要求1所述的方法，其特征在于，在s3中，包括：

5.根据权利要求1所述的方法，其特征在于，在s4中，通过双向映射的指针网络，预测与基实体存在关系的关联实体，其中，将基实体分别作为头实体和尾实体，从三元组的正向和反向分别预测尾实体和头实体，包括：

6.根据权利要求5所述的方法，其特征在于，通过最大池化获取基实体的向量表示，包括：

7.根据权利要求1获7所述的方法，其特征在于，在s5中，包括：

8.根据权利要求7所述的方法，其特征在于，所述将基实体与关联实体组成实体对，包括：

9.根据权利要求8所述的方法，其特征在于，所述通过关系分类器预测实体之间的关系，从而获取实体关系三元组，包括：

技术总结
本发明实施例公开了一种用于故障工单的文本实体关系的联合抽取方法，涉及智能制造技术领域，能够提高故障工单文本实体关系抽取的准确率。本发明包括：输入故障工单文本，用预训练语言模型将输入的文本转化为词向量；基于层叠指针网络的方式获取所有可能存在关系的基实体；将所有的基实体通过双向映射的方法，得到与其有关的头实体或尾实体，充分获取实体对；通过多个关系分类矩阵对实体对分类获取实体关系三元组。本发明基于层叠指针网络标注的方法，表达能力强，能够排除关系重叠的干扰。同时，针对故障工单文本信息中三元组集中、依赖单一实体的问题，加入了实体对双向映射方法，可以有效地提取实体对以提高实体关系联合抽取的性能。

技术研发人员：冒泽慧,王欢,姜斌,马亚杰,吕迅竑
受保护的技术使用者：南京航空航天大学
技术研发日：
技术公布日：2024/1/15