基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。     

中小城市的光污染及防治对策

我国经济处于高速增长期,建设日新月异,中小城市的光污染问题日趋明显,防治显得十分重要。文章以中山市城区为例,对道路照明、建筑照明、广告照明、绿化照明,以及玻璃幕墙反射等光污染情况进行了调研和评价。根据中山市城区的光污染情况,从制定和完善光污染防治法规体系、加强规划和宏观管理、提高公众参与力度和监督力度、加大人才培养和政策扶持力度、加大清洁生产推广力度以及实施照明设计单位资质认证等多方面提出了对光污染的防治对策。