[發明專利]一種電力語料標記模型構建方法及系統

在審

• 申請號: 202010547313.4
• 申請日: 2020-06-16
• 公開（公告）號: CN111831788A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 田然;蘇楊;龐淵源;陳軒;顧彬;王磊;吳子辰;李霽軒;陳鑫;朱曉鴻;王鑫;于廣榮
• 申請（專利權）人: 國網江蘇省電力有限公司信息通信分公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/247;G06F40/279;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 史俊軍

1.一種電力語料標記模型構建方法，其特征在于：包括，

對訓練集中的已標記電力語料進行擴展，訓練初始的標記模型；

判斷訓練的標記模型是否滿足預設要求，若不滿足預設要求，用該標記模型對未標記的電力語料進行標記，并將標記后的電力語料放入訓練集，對訓練集中的已標記電力語料進行擴展，重新訓練標記模型，重復該步驟，直到訓練的標記模型滿足預設要求。

2.根據權利要求1所述的一種電力語料標記模型構建方法，其特征在于：對訓練集中的已標記電力語料進行擴展，具體過程為，

以一句話作為序列，對已標記電力語料進行序列劃分；

基于同義詞詞典、電力領域專業詞典，對序列中的同義詞進行替換，將替換后的序列加入訓練集；

對原序列和替換后的序列進行回譯，將回譯后的序列加入訓練集；

對長度大于極大閾值的回譯后的序列進行裁剪，將裁剪后的序列加入訓練集；

對長度小于極小閾值的若干回譯后的序列進行拼接，將拼接后的序列加入訓練集。

3.根據權利要求2所述的一種電力語料標記模型構建方法，其特征在于：裁剪和拼接之前的序列保留。

4.根據權利要求1所述的一種電力語料標記模型構建方法，其特征在于：采用增量學習的方式，重新訓練標記模型。

5.一種電力語料標記模型構建系統，其特征在于：包括，

初始模塊：對訓練集中的已標記電力語料進行擴展，訓練初始的標記模型；

增量訓練模塊：判斷訓練的標記模型是否滿足預設要求，若不滿足預設要求，用該標記模型對未標記的電力語料進行標記，并將標記后的電力語料放入訓練集，對訓練集中的已標記電力語料進行擴展，重新訓練標記模型，重復該步驟，直到訓練的標記模型滿足預設要求。

6.根據權利要求5所述的一種電力語料標記模型構建系統，其特征在于：初始模塊包括訓練樣本擴展模塊，訓練樣本擴展模塊：對訓練集中的已標記電力語料進行擴展；

訓練樣本擴展模塊包括，

序列劃分模塊：以一句話作為序列，對已標記電力語料進行序列劃分；

同義詞替換模塊：基于同義詞詞典、電力領域專業詞典，對序列中的同義詞進行替換，將替換后的序列加入訓練集；

回譯模塊：對原序列和替換后的序列進行回譯，將回譯后的序列加入訓練集；

裁剪模塊：對長度大于極大閾值的回譯后的序列進行裁剪，將裁剪后的序列加入訓練集；

拼接模塊：對長度小于極小閾值的若干回譯后的序列進行拼接，將拼接后的序列加入訓練集。

7.根據權利要求6所述的一種電力語料標記模型構建系統，其特征在于：裁剪模塊保留裁剪之前的序列，拼接模塊保留拼接之前的序列。

8.根據權利要求5所述的一種電力語料標記模型構建系統，其特征在于：增量訓練模塊采用增量學習的方式，重新訓練標記模型。

9.一種存儲一個或多個程序的計算機可讀存儲介質，其特征在于：所述一個或多個程序包括指令，所述指令當由計算設備執行時，使得所述計算設備執行根據權利要求1至4所述的方法中的任一方法。

10.一種計算設備，其特征在于：包括，

一個或多個處理器、存儲器以及一個或多個程序，其中一個或多個程序存儲在所述存儲器中并被配置為由所述一個或多個處理器執行，所述一個或多個程序包括用于執行根據權利要求1至4所述的方法中的任一方法的指令。