针对全过程造价咨询中非结构化文本信息处理效率低、语义识别难度大的问题,文章基于自然语言处理模型开展适配性研究,通过对典型工程文档语料进行归类清洗与词汇标注,结合BERT(Bidirectional Encoder Representation from Transformers...针对全过程造价咨询中非结构化文本信息处理效率低、语义识别难度大的问题,文章基于自然语言处理模型开展适配性研究,通过对典型工程文档语料进行归类清洗与词汇标注,结合BERT(Bidirectional Encoder Representation from Transformers)预训练模型进行微调,并引入条件随机场层以增强命名实体识别的边界识别能力,进而构建了一套面向工程语境的语义理解与信息抽取模型,完成系统集成与业务场景验证。结果表明,该模型在合同条款识别、工程量变更提取与文档分类等任务中具备较高准确率与稳定性,有助于提升全过程造价文本处理的智能化水平。展开更多
文摘针对全过程造价咨询中非结构化文本信息处理效率低、语义识别难度大的问题,文章基于自然语言处理模型开展适配性研究,通过对典型工程文档语料进行归类清洗与词汇标注,结合BERT(Bidirectional Encoder Representation from Transformers)预训练模型进行微调,并引入条件随机场层以增强命名实体识别的边界识别能力,进而构建了一套面向工程语境的语义理解与信息抽取模型,完成系统集成与业务场景验证。结果表明,该模型在合同条款识别、工程量变更提取与文档分类等任务中具备较高准确率与稳定性,有助于提升全过程造价文本处理的智能化水平。
