[發明專利]電氣圖紙文本分類方法、系統、裝置及介質

在審

• 申請號: 202010360978.4
• 申請日: 2020-04-30
• 公開（公告）號: CN111597334A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 陳韜文
• 申請（專利權）人: 陳韜文
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F16/31;G06F40/166;G06F40/242
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

本發明公開了電氣圖紙文本分類方法、系統、裝置及介質，方法包括：獲取歷史電氣圖紙數據；對所述歷史電氣圖紙數據進行預處理；對預處理后的歷史電氣圖紙數據進行分詞處理，得到詞集合；對所述詞集合進行詞頻統計，構建電氣圖紙字典；獲取待分類電氣圖紙數據；根據所述電氣圖紙字典，將所述待分類電氣圖紙數據中提取的各個詞進行標簽化處理；根據所述電氣圖紙字典，通過構建得到的分類模型對所述標簽化處理后的各個詞進行分類，得到所述待分類電氣圖紙數據中文本的分類結果。本發明大大提高了分類效率，同時降低了人工成本，可廣泛應用于人工智能技術領域。

技術領域

本發明涉及人工智能技術領域，尤其是電氣圖紙文本分類方法、系統、裝置及介質。

背景技術

在電氣行業，成套電氣報價員需要根據從用戶拿到的CAD電氣設計圖中列出元器件的清單列表。列清單是成套電氣報價中最重要的一個環節，是成套電氣報價的基礎。作為一個有些枯燥繁瑣但又需要有一定專業領域知識的環節，傳統的成套電氣報價員的報價方式主要是通過手工輸入Excel的方式或者用軟件的方式把元器件文本扒取出來，填寫出對應的元器件類型，匯總出報價清單，最后根據這樣的清單進行報價。這種傳統的方式，機械繁瑣，效率低下，嚴重依賴于“人”的操作，還很容易出錯，很大程度上限制了報價員報價的速度與精度，不能滿足用戶及公司的對快速精準報價方面要求，也影響了工程的進度，嚴重的甚至可能導致企業競標失敗或虧損。

電氣文本分類問題是智能識別電氣圖紙中最基礎核心的工作之一。其中，包含兩大類文本，元器件文本和非元器件文本，非元器件文本主要包括:進線端文本、終端文本、配電箱參數文本、相序文本、回路編號文本及電線文本；元器件文本的種類更多，主要的有：雙電源自動轉換開關、微型斷路器、塑殼斷路器、熔斷器、交流接觸器、熱繼電器、浪涌保護器、電度表、控制變壓器、負荷隔離開關、漏電微型斷路器、漏電塑殼斷路器、KB0控制與保護開關、時控開關、電流互感器、指示燈、智能照明模塊等。在種類繁多的電氣文本中，依靠專家規則和軟件程序的硬編碼，難以完全的覆蓋所有的文本和類別，一些電氣設計師對相同的實體描述可能存在差異和錯漏，更是傳統規則算法難以處理的。在電氣行業人工智能領域，還沒有專門針對電氣圖紙文本智能分類的行之有效的方法。

發明內容

有鑒于此，本發明實施例提供一種成本低且效率高的電氣圖紙文本分類方法、系統、裝置及介質。

本發明的第一方面提供了一種電氣圖紙文本分類方法，包括：

獲取歷史電氣圖紙數據；

對所述歷史電氣圖紙數據進行預處理；

對預處理后的歷史電氣圖紙數據進行分詞處理，得到詞集合；

對所述詞集合進行詞頻統計，構建電氣圖紙字典；

獲取待分類電氣圖紙數據；

根據所述電氣圖紙字典，將所述待分類電氣圖紙數據中提取的各個詞進行標簽化處理；

根據所述電氣圖紙字典，通過構建得到的分類模型對所述標簽化處理后的各個詞進行分類，得到所述待分類電氣圖紙數據中文本的分類結果。

在一些實施例中，所述對所述歷史電氣圖紙數據進行預處理，包括：

將數據中的特殊字符替換為分隔符；

將數據中的英文字符轉換為小寫字符；

將數據中的文本長度不合格的字符進行過濾處理。

在一些實施例中，所述對預處理后的歷史電氣圖紙數據進行分詞處理，得到詞集合，包括：

按照電氣元器件的名稱對預處理后的歷史電氣圖紙數據進行第一分詞；

按照非元器件的名稱對預處理后的歷史電氣圖紙數據進行第二分詞；