通航飞机维修文本故障数据的分词方法研究.pdfVIP

通航飞机维修文本故障数据的分词方法研究.pdf

第42卷第1期计算机仿真2025年1月

文章编号：1006-9348(2025)01-0030-06

通航飞机维修文本故障数据的分词方法研究

付尧明，陈余杰，侯宽新，蒋正

（中国民航飞行学院航空工程学院，四川广汉618300）

摘要：中文分词是对维修文本数据处理的基础任务，面对专业领域语料往往比通用领域涵盖更多的未登录词，例如通航领域

语料包含大量口语化或人工合成的结构名、部件名、故障名、工具名等未登录词，是造成分词准确率低的最主要原因。针对

以上题，面向通航领域提出一种基于BERT-BiLSTM-CRF的中文分词模型，首先利用BERT(BidirectionalEncoderRepre-

sentationfromTransformers）预训练模型来获取输人文本的语义特征，其次结合双向长短记忆神经网络学习上下文特征信息，

最后通过条件随机场算法（CRF：ConditionalRandomField）预测最优序列，提高分词准确性。利用收集通航领域维修文本数

据，经过数据处理与文本标注，构建通航领域维修文本数据语料库，并基于此展开对比实验。相较于传统的BiLSTM、

BiLSTM-CRF等模型，所提方法得到的综合指标F1值为96.93%，与BiLSTM-CRF相对比提升1.41%。验证了所提方法对

通航领域维修文本数据进行分词的有效性。

关键词：通用航空；维修数据；中文分词；深度学习

中图分类号：TP391文献标识码：B

ResearchonWordSegmentationMethodforFault

DataofAviationAircraftMaintenanceText

FUYao-ming,CHENYu-jie,HOUKuan-xin,JIANGZheng

(CivilAviationFlightUniversityofChina,CollegeofAviationEngineering,GuanghanSichuan618300,China)

ABSTRACT:Chinesewordsegmentationisafundamentaltaskintheprocessingofmaintenancetextdata.Profes-

sionaldomaincorporaoftencovermoreunregisteredwordsthangeneraldomaincorpora.Forexample,aviationdomain

corporacontainalargenumberofcolloquialorartificiallysynthesizedstructurenames,componentnames,fault

names,toolnames,andotherunregisteredwords,whichisthemainreasonforlowwordsegmentationaccuracy.To

solvethisproblem,thispaperproposesaChinesewordsegmentationmodelbasedonBERTBiLSTM-CRFforthenav-

igationfield.First,theBERT(BidirectionalEncoderRepresentationfromTransformers)pre-trainingmodelisused