首页|期刊导航|电力信息与通信技术|基于多源注意力机制的电力市场领域文档级实体显著性检测研究

基于多源注意力机制的电力市场领域文档级实体显著性检测研究OA

中文摘要

在新型电力系统建设与智能电网调度日益复杂的背景下,电力市场交易业务对文本中关键信息的精准理解和提取提出了更高要求。大量电力新闻、调度报告、政策文件等文档中蕴含丰富实体信息,而并非所有实体对理解文档核心语义具有同等重要性。现有的实体显著性检测方法在文档级文本中进行显著性检测时存在显著性特征提取不足、复杂语义理解能力弱等问题。针对上述问题,文章提出一种基于多源注意力机制的实体显著性检测(salient detector based on multi-source attention,SDMA)模型。该模型通过引入与核心内容强相关的主题类别信息,采用多通道语义编码架构捕获实体、主题类别、上下文特征,并利用注意力机制动态地融合多源显著性特征,以增强模型捕获深层语义关系的能力。实验结果证明,文章提出的SDMA模型实体显著性检测的F1值达到0.7959,相比于基线最佳模型PLM_classify提升5.63%。

张文思;姚铁锤;嵇士杰;谢文;梁潇;王轶申;柴博

中国电力科学研究院有限公司,北京市海淀区100192中国电力科学研究院有限公司,北京市海淀区100192北京电力交易中心,北京市西城区100031北京电力交易中心,北京市西城区100031中国电力科学研究院有限公司,北京市海淀区100192中国电力科学研究院有限公司,北京市海淀区100192中国电力科学研究院有限公司,北京市海淀区100192

信息技术与安全科学

实体显著性检测命名实体识别多源注意力机制多通道语义编码电力市场

《电力信息与通信技术》 2026 (9)

P.29-39,11

国家电网有限公司科技项目“电力市场领域大语言模型构建技术及其应用研究”(5108-202455054A-1-1-ZN)。

10.16543/j.2095-641x.electric.power.ict.2026.09.04

评论