买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学;国网经济技术研究院有限公司;国网浙江省电力有限公司经济技术研究院

摘要：本发明公开了一种基于深度学习的电网项目特征属性识别方法，包括如下步骤：根据电网项目文档的类别和项目业务管理需求总结项目业务特征，基于项目业务特征建立项目标签体系；基于项目标签体系对电网项目文档进行分类；对分类后的电网项目文档进行文本预处理；借助开源文本标注工具对预处理后的电网项目文档进行实体标注，生成电网项目文档所对应的BIO格式数据集；利用BERT模型、Bi‑GRU神经网络和CRF模型建立网络学习模型，将BIO格式数据集输入网络学习模型进行训练得到实体识别模型；利用实体识别模型对新的电网项目文档进行特征识别。本发明有利于提高项目管理与投资效率，完善识别技术规则，提高公司业务管理效率。

主权项：1.一种基于深度学习的电网项目特征属性识别方法，其特征在于，包括如下步骤：S1，根据电网项目文档的类别和项目业务管理需求总结项目业务特征，基于项目业务特征建立项目标签体系；S2，基于项目标签体系对电网项目文档进行分类；所述项目标签体系包括一级类别标签和二级实体标签；S3，对分类后的电网项目文档进行文本预处理；S4，借助开源文本标注工具对预处理后的电网项目文档进行实体标注，生成电网项目文档所对应的BIO格式数据集；S5，利用BERT模型、Bi-GRU神经网络和CRF模型建立网络学习模型，将BIO格式数据集输入网络学习模型进行训练得到实体识别模型；S6，利用实体识别模型对新的电网项目文档进行特征识别；所述BIO格式数据集包括语句和每行语句所对应的标签，所述标签包括通用标签、分隔符和标签具体类别，通用标签即BIO标注，B表示实体起始位置，I表示实体的非第一个字符，O表示非实体，标签具体类别与二级实体标签相对应；所述步骤S5包括如下步骤：S5.1，将步骤S4得到的BIO格式数据集划分为训练集、验证集和测试集；S5.2，利用Bert模型、Bi-GRU神经网络和CRF模型建立网络学习模型；S5.3，设置验证准确率阈值和预测准确率阈值；S5.4，利用训练集数据对网络学习模型进行训练得到实体识别模型；S5.5，利用验证集数据对实体识别模型进行评估，若实体识别模型的识别准确率大于验证准确率，执行步骤S5.6，否则返回步骤S5.4；S5.6，利用测试集数据对实体识别模型进行测试，若实体识别模型的准确率小于预测准确率阈值，返回步骤S5.4并对网络学习模型的超参数进行调整，否则执行步骤S6；在步骤S5.2中，所述网络学习模型包括BERT模型、Bi-GRU神经网络和CRF模型，BERT模型的输入端与开源文本标注工具的输出端连接，BERT模型的输出端与Bi-GRU神经网络的输入端连接，Bi-GRU神经网络的输出端与CRF模型的输入端连接；所述Bi-GRU神经网络包括两个GRU模块，分别为前向GRU网络和后向GRU网络，前向GRU网络的输入端和后向GRU网络的输入端均与BERT模型的输出端连接，且前向GRU网络的输出端和后向GRU网络的输出端均与CRF模型的输入端连接。

全文数据：

权利要求：

百度查询： 天津大学 国网经济技术研究院有限公司 国网浙江省电力有限公司经济技术研究院 基于深度学习的电网项目特征属性识别方法