邵诗韵，周 宇，杨 蕾，钟茂生，戴 芮，赵家乐

(1.江西师范大学计算机信息工程学院，江西 南昌 330022； 2.江西省电力公司，江西 南昌 330077；3.江西省科学院，江西 南昌 330096； 4.国网甘肃省电力公司信息通信公司，甘肃 兰州 730000)

0 引 言

随着我国电力事业的迅速发展，电力招标环节产生了数量体量庞大的专业性标书文本。快速处理标书，确定施工方案是提高工程效率、管理效率、企业效率的重要举措之一。由于工程受到自然条件、技术限制、总投资量、国家政策等因素的影响，标书存在变量属性多、数据体量大、标书信息繁复、篇幅长、结构复杂[1-3]的特点。与此同时，关键信息分散在文本各部分，核心内容密度低。标书文本所具有的数据量大、类型丰富、信息密度低[3-4]、审核时间紧任务重的工作特征为标书实现高效、准确、快速评估和处理带来巨大挑战。

本文以电力建设工程标书文本为处理对象，根据评估工作需求，采用条件随机场(Conditional Random Field, CRF)模型实现对标书文本的实体自动识别和标签类别预测。

1 相关理论及技术

1.1 命名实体识别及主要方法

本文基于命名实体识别处理文本数据。命名实体识别是实现自动阅读、机器翻译、信息检索等自然语言处理任务的基础环节[5-7]。由于在客观世界中，现实存在的实例或概念都是被命名实体定义的，因此广义的实体识别主要是识别目标文本中的实体，包括7类(人名、地名、机构名、时间、日期、货币和百分比)[8-11]，具体实现时分为2个子任务：一是切块用于确定实体边界；……