[發(fā)明專利]一種設(shè)備缺陷的分類方法、裝置及設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201911309790.0
• 申請(qǐng)日: 2019-12-18
• 公開（公告）號(hào): CN111191447B
• 公開（公告）日: 2023-07-14
• 發(fā)明（設(shè)計(jì)）人: 謝鵬飛;崔朝輝;趙立軍;張霞
• 申請(qǐng)（專利權(quán)）人: 東軟集團(tuán)股份有限公司
• 主分類號(hào): G06F40/289
• 分類號(hào): G06F40/289;G06F16/35;G06N20/00
• 代理公司: 北京工信聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 11266
• 代理人: 郭一斐

本申請(qǐng)公開一種設(shè)備缺陷的分類方法、裝置及設(shè)備，所述方法包括：對(duì)設(shè)備缺陷描述文本進(jìn)行分詞處理，得到分詞結(jié)果；對(duì)分詞結(jié)果進(jìn)行向量化表示，得到設(shè)備缺陷描述文本對(duì)應(yīng)的詞向量矩陣；將詞向量矩陣輸入經(jīng)過訓(xùn)練的設(shè)備缺陷分類模型，得到分類結(jié)果。本申請(qǐng)利用經(jīng)過訓(xùn)練的設(shè)備缺陷分類模型對(duì)設(shè)備缺陷描述文本的詞向量矩陣進(jìn)行處理，得到該設(shè)備缺陷描述文本的分類結(jié)果，以表明該設(shè)備缺陷描述文本所屬的設(shè)備缺陷類別。本申請(qǐng)基于機(jī)器學(xué)習(xí)對(duì)設(shè)備缺陷進(jìn)行分類，能夠提高分類效率且保證分類準(zhǔn)確性，還可以結(jié)合基于歷史數(shù)據(jù)計(jì)算的歷史平均概率，以及機(jī)器學(xué)習(xí)得到的模型計(jì)算概率，確定設(shè)備缺陷描述文本的最終分類結(jié)果，進(jìn)一步提高設(shè)備缺陷分類結(jié)果的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)處理領(lǐng)域，具體涉及一種設(shè)備缺陷的分類方法、裝置及設(shè)備。

背景技術(shù)

在火電領(lǐng)域中，巡檢員或其他員工一旦發(fā)現(xiàn)設(shè)備發(fā)生故障，需要記錄故障現(xiàn)象，并由專業(yè)人員基于故障現(xiàn)象對(duì)故障導(dǎo)致的設(shè)備缺陷進(jìn)行分類，以便基于分類結(jié)果及時(shí)對(duì)設(shè)備缺陷進(jìn)行處理，保證設(shè)備的正常運(yùn)行。

目前，對(duì)故障導(dǎo)致的設(shè)備缺陷進(jìn)行分類的方式，主要由工作人員通常查設(shè)備缺陷分類手冊等人工手段實(shí)現(xiàn)，顯然耗時(shí)較長且準(zhǔn)確率得不到保證。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)?zhí)峁┝艘环N設(shè)備缺陷的分類方法，能夠通過機(jī)器學(xué)習(xí)的方式對(duì)設(shè)備缺陷進(jìn)行分類，提高了分類效率以及分類結(jié)果的準(zhǔn)確率。

第一方面，為實(shí)現(xiàn)上述發(fā)明目的，本申請(qǐng)?zhí)峁┝艘环N設(shè)備缺陷的分類方法，所述方法包括：

對(duì)設(shè)備缺陷描述文本進(jìn)行分詞處理，得到分詞結(jié)果；

對(duì)所述分詞結(jié)果進(jìn)行向量化表示，得到所述設(shè)備缺陷描述文本對(duì)應(yīng)的詞向量矩陣；

將所述詞向量矩陣輸入經(jīng)過訓(xùn)練的設(shè)備缺陷分類模型中，經(jīng)過處理后，得到所述設(shè)備缺陷描述文本的分類結(jié)果。

一種可選的實(shí)施方式中，所述對(duì)設(shè)備缺陷描述文本進(jìn)行分詞處理，得到分詞結(jié)果之后，還包括：

獲取所述分詞結(jié)果中的設(shè)備名稱；

基于歷史數(shù)據(jù)，針對(duì)每個(gè)預(yù)設(shè)缺陷類別，計(jì)算所述設(shè)備名稱對(duì)應(yīng)的設(shè)備的平均歷史概率；

相應(yīng)的，所述分類結(jié)果包括所述設(shè)備缺陷描述文本屬于各個(gè)預(yù)設(shè)缺陷類別的模型計(jì)算概率；所述將所述詞向量矩陣輸入經(jīng)過訓(xùn)練的設(shè)備缺陷分類模型中，經(jīng)過處理后，得到所述設(shè)備缺陷描述文本的分類結(jié)果之后，還包括：

結(jié)合每個(gè)預(yù)設(shè)缺陷類別對(duì)應(yīng)的平均歷史概率和模型計(jì)算概率，確定所述設(shè)備缺陷描述文本的最終分類結(jié)果。

一種可選的實(shí)施方式中，所述結(jié)合每個(gè)預(yù)設(shè)缺陷類別的所述平均歷史概率和所述模型計(jì)算概率，確定所述設(shè)備缺陷描述文本的最終分類結(jié)果，包括：

為所述平均歷史概率和所述模型計(jì)算概率分別設(shè)置權(quán)重值；

基于所述權(quán)重值，計(jì)算所述設(shè)備缺陷描述文本屬于各個(gè)預(yù)設(shè)缺陷類別的概率；

將最大概率對(duì)應(yīng)的預(yù)設(shè)缺陷類別確定為所述設(shè)備缺陷描述文本的最終分類結(jié)果。

一種可選的實(shí)施方式中，所述為所述平均歷史概率和所述模型計(jì)算概率分別設(shè)置權(quán)重值，包括：

基于所述歷史數(shù)據(jù)的數(shù)據(jù)量，為所述平均歷史概率設(shè)置權(quán)重值。

第二方面，本申請(qǐng)?zhí)峁┝艘环N設(shè)備缺陷的分類裝置，所述裝置包括：

分詞模塊，用于對(duì)設(shè)備缺陷描述文本進(jìn)行分詞處理，得到分詞結(jié)果；

向量化模塊，用于對(duì)所述分詞結(jié)果進(jìn)行向量化表示，得到所述設(shè)備缺陷描述文本對(duì)應(yīng)的詞向量矩陣；