System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于自然语言处理,具体涉及一种用于危化品事故应急处置的命名实体识别方法。
技术介绍
1、危化品具有易燃、易爆、有毒、有害等危险特性,如果危化品库区仓储环境或者实验室存放了大量的危险品,但危险管理及使用不规范、管理范围受限制、无法实现实时监控时,将会导致危化品的事故的发生。
2、随着工业化的发展,危化品事故的风险逐渐增大。对于这类事故的应急处置,快速、准确地获取关键信息至关重要。传统的信息提取方法往往依赖于手工标注的数据,这不仅耗时,而且可能存在遗漏。因此,需要一种更高效、准确的技术来识别和提取危化品事故应急处置中的关键实体。
3、大语言模型(llm)是指使用大量文本数据训练的深度学习模型,可以生成自然语言文本或理解语言文本的含义。这类模型的代表包括像gpt-3(generative pre-trainedtransformer 3)这样的模型。这些模型之所以称为“大”语言模型,是因为它们通常具有数十亿到数百亿个参数,使其具备强大的语言理解和生成能力。通过使用与危化品事故应急处置相关的文本数据。将这些数据提供给模型并进行监督学习,模型将学会识别和理解与危化品事故应急处置相关的特定信息,从而创建一个符合危化品应急处置需求的模型。
技术实现思路
1、为了解决上述问题,本专利技术提供了一种用于危化品事故应急处置的命名实体识别方法,能高效、准确的来识别和提取危化品事故应急处置中的关键实体,从而及时处理危化品事故。
2、本专利技术的技术方案如下:<
...【技术保护点】
1.一种用于危化品事故应急处置的命名实体识别方法,其特征在于:所述命名实体识别方法基于大语言模型实现的,该命名实体识别方法包括如下步骤:
2.根据权利要求1所述的一种用于危化品事故应急处置的命名实体识别方法,其特征在于:所述数据集包括:事故发生的时间、地点、原因、涉及的化学物质,以及应急响应的具体措施、涉及的团队和设备、应急计划的执行情况;在数据预处理阶段,还需要进行文本清洗、标准化、分词和标注,以确保数据的质量和一致性。
3.根据权利要求1所述的一种用于危化品事故应急处置的命名实体识别方法,其特征在于:
4.根据权利要求1所述的一种用于危化品事故应急处置的命名实体识别方法,其特征在于:
5.根据权利要求4所述的一种用于危化品事故应急处置的命名实体识别方法,其特征在于:
6.根据权利要求1所述的一种用于危化品事故应急处置的命名实体识别方法,其特征在于:步骤S4中实体识别过程由“识别”和“再识别”两个阶段构成;
【技术特征摘要】
1.一种用于危化品事故应急处置的命名实体识别方法,其特征在于:所述命名实体识别方法基于大语言模型实现的,该命名实体识别方法包括如下步骤:
2.根据权利要求1所述的一种用于危化品事故应急处置的命名实体识别方法,其特征在于:所述数据集包括:事故发生的时间、地点、原因、涉及的化学物质,以及应急响应的具体措施、涉及的团队和设备、应急计划的执行情况;在数据预处理阶段,还需要进行文本清洗、标准化、分词和标注,以确保数据的质量和一致性。<...
【专利技术属性】
技术研发人员:郑耿峰,杨天雪,李智翔,曾远跃,陈嵩,赵磊,陈浩龙,张昕,
申请(专利权)人:福建省特种设备检验研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。