计算机应用

作者：任登燃, 王淑营

单位：西南交通大学 计算机与人工智能学院，成都 611756

关键词：风电能源装备,命名实体识别,差分语义编码,多头双仿射编码,跨度,CBAM

基金：国家重点研发计划项目(2022YFC3005200);四川省重大科技专项(2022ZDZX0003)

针对风电装备领域中实体的高度嵌套性和长文本的特性，提出一种基于差分边界增强的嵌套命名实体识别模型（DBE-NER）。首先，通过语义编码器模块获取融合实体头尾词、实体类型和相对距离的特征表示，从而提升模型对嵌套语义特征的捕捉能力；其次，设计一种高效的差分语义编码模块解决嵌套实体边界的模糊问题；再次，使用分组空洞注意力网络（GDAN）提高模型在长文本实体、嵌套实体和嵌套边界的识别效果；最后，将特征分数矩阵输入跨度解码器中以得到实体位置和类别。实验结果表明，与DiFiNet（Differentiation and Filtration Network）和CNN-NER（Convolutional Neural Network for Named Entity Recognition）模型相比，DBE-NER的F1分数在人工标注的某大型风电能源企业故障数据集WPEF上分别提升了0.92%和1.07%，并且在多种公开数据集上的F1分数均有所提高。

来源：2025年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第9期