산업 공정에서 정확한 중국어 명명된 개체 인식(NER)은 정보 추출, 지식 그래프 구축 및 지능형 의사결정 등의 응용에 중요한 의미를 갖는다. 그러나 개체 경계의 불명확성, 의미 중복, 주석 데이터 부족 등의 문제는 성능을 크게 제한한다. 이러한 도전을 해결하기 위해 본 논문은 도메인 사전 기반의 중국어 NER 프레임워크인 DDiNER을 제안한다. 이 프레임워크는 계층화된 산업 도메인 사전을 계층화 사전 어댑터를 통해 양방향 인코딩 표현 모델과 융합하고, 양방향 장단기 기억 네트워크 및 조건부 랜덤 필드를 결합하여 다층 특징 융합을 구현한다. 실험 결과 DDiNER는 우수한 성능을 보여 평균 정밀도, 재현율, F1 값이 각각 95.75%, 95.73%, 95.74%에 달하며 기존 주류 방법을 현저히 능가한다. 독립된 데이터셋에서의 검증 결과 이 모델은 미등록 개체 및 롱테일 개체 인식에 있어 우수한 견고성과 일반화 능력을 갖추었음을 확인하였다. 본 연구는 산업 도메인 중국어 NER에 효율적이고 확장 가능한 해결책을 제공하며 하위 지능형 응용 분야에서 큰 잠재력을 지닌다.

명명된 개체 인식; 공정 산업; 도메인 사전; 계층화 사전 어댑터