山东大学学报(理学版)

作者：张勇,纪伟,钟毅

单位：1.深圳大学电子与信息工程学院, 广东 深圳 518060;2.广东省智能信息处理重点实验室, 广东 深圳 518060;3.南方电网数字平台科技(广东)有限公司, 广东 深圳 518053

关键词：领域命名实体识别,电力领域,大语言模型,机器学习,深度学习,

基金：广东省重点实验室基金资助项目(2023B1212060076);深圳市科技计划基金资助项目(KJZD20230923114405012);南方电网科技基金资助项目(031900KC23040016(GDKJXM20230399),031900KC23040017(GDKJXM20230401))

领域命名实体识别方法在大语言模型技术赋能的背景下,推动了电力领域命名实体识别的发展。在此背景下,本文综述电力领域命名实体识别方法的发展历程,介绍早期基于规则和词典的方法再到统计机器学习的方法。从分布式嵌入层、文本编码层和标签解码层总结基于深度学习方法的模型。本文还探讨大语言模型在命名实体识别任务中的应用及其影响,并且探索当前电力领域命名实体识别存在的问题。

来源：2026年第5期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2026年第5期