第六届体系工程学术会议

按企业名称确定唯一现实对象是构建行业数据集的关键。针对企业名称短，语义特征少，简写和错写形式多样的情况，借助智源 BGE（BAAI General Embeddings）预训练语言模型的向量化能力，提出基于 BGE 的相似度计算、基于 BGE 的轻量梯度提升机LightGBM（Light Gradient Boosting Machine）和门控循环单元 GRU 企业实体消歧方法。在构建的约 6000 条电子信息制造企业语料集上，对比分析现有方法，新提出 BGE+LightGBM的方法明显优于基于增强优化预训练模型 RoBERTa 的深度学习分类方法。训练过程简单、效果稳定，在准确率、召回率、F1，分别高出 3.27%、7.9%、9.93%，能更精准地确定唯一的电子信息企业实体对象。