金属学报

作者：刘悦, 姚文轩, 刘大晖, 丁琳, 杨正伟, 刘微, 于涛, 施思齐

单位：1 上海大学 计算机工程与科学学院 上海 200444；2 上海大学 材料基因组工程研究院 上海 200444；3 钢铁研究总院 功能材料研究所 北京 100081；4 上海大学 材料科学与工程学院 上海 200444

关键词：数据质量,深度学习,命名实体识别,镍基单晶高温合金,领域知识,

基金：国家自然科学基金项目(52073169,92270124);国家重点研发计划项目(2021YFB3802101)

镍基单晶高温合金构效关系知识常常以非结构化文本的形式存储在海量公开发表的科学文献中。利用命名实体识别(NER)方法从非结构化文本中挖掘关键信息已成为助力新材料研发的重要方式。然而，已有NER方法依赖于大量语料数据支撑且不适用于处理跨领域任务，导致其难以适配镍基单晶高温合金领域。本工作提出基于语义特征融合的深度学习命名实体识别方法(SF-NER)，以准确挖掘摘要文本中蕴含的镍基单晶高温合金知识。在领域知识指导下创建材料领域词典以实现远程监督，并建立了高质量镍基单晶高温合金标注语料库(含8类实体类型的19405个实体数据)；为准确捕捉特定材料术语，提出了融合编码的词表征策略以捕获关键材料语义特征；构建双向长短期记忆网络-条件随机场(Bi-LSTM-CRF)模型捕捉句子序列中的关键语义信息以实现实体标签的精准预测。实验结果表明，SF-NER能够精准识别镍基单晶高温合金实体类别(评价指标F1值为0.84)，有效筛选影响高温合金服役性能的关键因素，并推荐出可用于服役性能构效关系挖掘的高重要度描述符。

来源：2024年第10期

《金属学报》期刊编辑部

查看金属学报杂志2024年第10期