Sensei：自监督传感器名称分割
计算与语言
2021-01-05 v1
摘要
传感器名称通常为字母数字字符串，编码了部署智能建筑应用所需的传感器关键上下文（如功能和位置）。然而，传感器名称以建筑供应商特定的方式、使用不同且常晦涩的结构和词汇进行编纂。因此它们需要按建筑进行大量人工标注工作；即便仅将这些传感器名称分割为有意义的片段也是如此。本文中，我们提出一个全自动自监督框架 Sensei，它无需任何人工标注即可学习分割传感器名称。具体而言，我们采用神经语言模型捕捉底层传感器命名结构，并基于语言模型的信息诱导自监督以构建分割模型。在包含数千传感器的五座真实建筑上的大量实验，展示了 Sensei 相对于基线方法的优越性。
引用
@article{arxiv.2101.00130,
title = {Sensei: Self-Supervised Sensor Name Segmentation},
author = {Jiaman Wu and Dezhi Hong and Rajesh Gupta and Jingbo Shang},
journal= {arXiv preprint arXiv:2101.00130},
year = {2021}
}