[發明專利]一種電網文本信息匹配的方法、系統和存儲介質

在審

• 申請號: 201910430119.5
• 申請日: 2019-05-22
• 公開（公告）號: CN110347820A
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 單克;代江;王寧;陳恩黔;趙倩;田年杰
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F16/28;G06F16/245
• 代理公司: 成都拓荒者知識產權代理有限公司 51254
• 代理人: 鄒廣春

本發明公開了一種電網文本信息匹配方法、系統和介質，其中方法包括：采集數據構建原始電網文本信息庫；將原始電網文本信息庫的文檔的主題切詞和關聯，計算得到關聯表和權重表，基于關聯表進行相似度計算和聚類計算得到每一文檔的聚類結果并分類存儲電網文本信息數據庫；對輸入檢索的文本校驗后分詞和權重計算；計算輸入檢索文本與各聚類中心的距離，分別計算輸入的檢索文本與相似度最大的類中文本的相似度并排序，將相似度度序列的top?n對應的文本組成文本序列作為匹配結果返回。本發明通過基于電網文本信息構建數據倉庫，提高了信息匹配的效率，降低使用成本；利用垂直搜索，提高信息檢索匹配的精確度和工作效率。

技術領域

本發明屬于計算機軟件技術領域，尤其涉及一種基于數據倉庫與垂直搜索的電網文本信息匹配的方法、系統和存儲介質。

背景技術

隨著計算機和信息時代的到來，人們收集、存儲和訪問的數據急劇增加，對這些快速增長的海量數據進行分析和知識理解已經遠遠超出了人的能力。大量的數據被描述為“數據豐富，但信息貧乏”。數據庫規模日益擴大，僅依靠數據庫管理系統的查詢檢索機制和統計分析方法，已經遠遠不能滿足現實的需要。而大量激增的數據中往往又隱藏著許多重要的信息，如果能把這些信息從數據庫中提取出來，就能為用戶創造很多潛在的利潤。因此，對大量歷史數據進行分析處理，挖掘出有用的知識就顯得非常迫切。特別是在電力系統中，存在巨量的運行文本數據信息，如何將其與設備信息進行匹配，也是現階段研究的重點。

同時，為滿足電力部門工作人員對于信息查找的需求，快速地為其提供準確的信息，減少查找工作時間，節省人力成本，不再需要人工到各個系統查詢并分析原始信息，所以亟需一個統一的信息一體化管理平臺，為電網設備事故風險匹配關聯提供檢索服務。

發明內容

為了解決上述至少一個技術問題，本發明提出了一種基于數據倉庫與垂直搜索的電網文本信息匹配的方法、系統和存儲介質。

為了實現上述目的，本發明第一方面提供了一種基于數據倉庫與垂直搜索的電網文本信息匹配的方法，包括：

采集電網文本信息數據進行預處理，得到原始電網文本信息庫；

將原始電網文本信息庫的每一份文檔的主題進行切詞，將切出詞與文檔進行關聯后分別進行關聯規則計算和權重計算，得到關聯表和權重表，基于關聯表進行相似度計算和聚類計算得到每一文檔的聚類結果并分類存儲電網文本信息數據庫；

輸入待檢索的文本，對輸入的檢索文本校驗后進行分詞和權重計算；

根據預設的關聯表和權重表得到輸入的檢索文本與當前電網文本信息數據庫中各聚類中心的距離，分別計算輸入的檢索文本與相似度最大的類中文本的相似度并排序，將相似度度序列的top-n對應的文本組成文本序列作為匹配結果返回。

本方案中，所述電網文本信息數據進行預處理包括：數據的析取、數據的剔除、數據的過濾。

本方案中，將切出詞與文檔進行關聯后分別進行關聯規則計算和權重計算，后得到得到文檔中每個詞語的權重值和基于關鍵詞的關聯規則，將關聯規則中的前件后件寫到關聯表中，基于小文本的相似度計算，計算出電網信息文本的相似度，然后執行聚類算法，將所有電網信息文本根據聚類結果分類存儲于電網文本信息數據庫。

本方案中，所述電網文本信息數據庫中的文本信息的結構包括：文本編號ID、設備編號Setid、句子Sentence、若干文本關鍵詞。

本方案中，對輸入的文本的校驗通過預設的檢索違禁字典庫完成，所述檢索違禁字典庫由禁止檢索主題的關鍵詞組成。

本方案中，對輸入的檢索文本校驗后進行分詞得到若干個檢索詞，分別對若干檢索詞進行權重計算。