李新琴，史天运，李 平，代明睿，张晓栋

(1.中国铁道科学研究院集团有限公司 电子计算技术研究所, 北京 100081；2. 中国铁道科学研究院集团有限公司, 北京 100081)

高速铁路信号设备是铁路安全运营的基础保障设备[1-2]。随着中国高速铁路的飞速发展，高速铁路信号设备也不断升级改造。基于高速铁路运营里程的积累，产生了大量的信号设备故障数据，这些数据以文本的形式记载了故障的详细信息，蕴含着丰富的故障诊断与处理经验知识。但由于其以非结构化文本的形式存储，不利于计算机处理和理解，长期由人员查阅分析，存在着严重的故障知识无法高效复用的问题。因此，在铁路大数据与智能铁路的建设下，有必要基于铁路数据与人工智能服务平台，研究机器学习算法，实现故障知识的自动抽取，为高速铁路故障诊断及智能铁路建设应用中的智能问题、智能推荐等智能服务的落地提供知识库。

知识抽取主要包括命名实体识别和实体关系抽取两个方面。命名实体通常指人名、地名、机构名等以名称为标识的实体[3]。命名实体识别主要是将故障文本数据中的关注信息作为命名实体抽取出来。实体关系抽取是将抽取出来的命名实体进行关联，形成〈实体，关系，实体〉三元组数据，并通过知识融合和知识加工方法，将三元组数据组织成知识。命名实体识别与实体关系抽取，可以作为两个独立的任务进行，也可以基于一个模型同时抽取。……