基于数控机床设备故障领域的命名实体识别

王 欢，朱文球，吴岳忠✉，何频捷，万烂军

1) 湖南工业大学计算机学院，株洲 412008 2) 湖南省智能信息感知及处理技术重点实验室，株洲 412008

随着智能制造的快速发展和云计算[1−2]时代的到来，“互联网+工业”成为了学者研究的重点，工业设备智能化对数控机床设备的检修与诊断提出了严峻挑战. 数控机床设备智能检修与实时诊断是保障数控机床设备安全、稳定、经济运行的重要手段，是实现数控机床智能制造的关键. 数控机床设备智能检修与实时诊断是通过整合海量、多源、异构的设备检修大数据，利用自然语言处理、语义匹配、知识图谱构建等技术对工业设备故障现象进行全面诊断，实现设备检修、诊断的智能化管理；数控机床设备故障命名实体的识别作为图谱识别、自然语言处理、语义匹配等复杂任务的基础工作，对数控机床设备智能检修与实时诊断起着至关重要的作用. 为了提高命名实体识别系统的性能，为数控机床故障精准诊断提供保障，延长数控机床的使用周期，本文对数控机床设备故障领域的命名实体识别方法展开了研究，通过提高命名实体识别效果为后续数控机床智能检修和故障诊断工作打下了坚实的基础，进而防止意外故障带来的毁灭性事故和经济损失.

浅层机器学习和深度学习[3]是通用领域的两种常用方法. 浅层机器学习方法包括隐马尔可夫模型[4]、最大熵模型[5]和条件随机场[6]（Conditional random fields, CRF）等. 俞鸿魁等[7]在双层隐马尔可夫模型上进行实体识别，将不同的命名实体的识别结果融合到同一个理论模型中，提高了F值；……