[發(fā)明專利]一種電力知識庫構(gòu)建方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010630117.3
• 申請日: 2020-07-03
• 公開（公告）號: CN111831792B
• 公開（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）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(quán)）人: 國網(wǎng)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;G06F40/151;G06F40/289;G06F40/295;G06K9/62
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 史俊軍

本發(fā)明公開了一種電力知識庫構(gòu)建方法，包括對語料進(jìn)行預(yù)處理，獲得語料文本；響應(yīng)于語料文本為非結(jié)構(gòu)化文本，將語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體識別模型，對語料文本中命名實(shí)體進(jìn)行識別；將命名實(shí)體識別后的語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體關(guān)系抽取模型，獲得命名實(shí)體關(guān)系數(shù)據(jù)；將命名實(shí)體關(guān)系數(shù)據(jù)進(jìn)行存儲(chǔ)，構(gòu)建電力知識庫。同時(shí)公開了相應(yīng)的系統(tǒng)。本發(fā)明增加了非結(jié)構(gòu)化數(shù)據(jù)，構(gòu)建的知識庫知識更加豐富，同時(shí)本發(fā)明通過命名實(shí)體識別模型和命名實(shí)體關(guān)系抽取模型抽取命名實(shí)體關(guān)系數(shù)據(jù)，知識庫構(gòu)建不需要自頂向下的建模，降低了構(gòu)建的門檻，大大減少人工成本，無需大量的、長期的人工干預(yù)與校正。

技術(shù)領(lǐng)域

本發(fā)明涉及一種電力知識庫構(gòu)建方法及系統(tǒng)，屬于知識庫構(gòu)建領(lǐng)域。

背景技術(shù)

領(lǐng)域知識庫又叫行業(yè)知識庫或垂直知識庫，電力知識庫是基于電力數(shù)據(jù)構(gòu)建，而現(xiàn)在電力知識庫的構(gòu)建技術(shù)還不成熟。目前結(jié)構(gòu)化數(shù)據(jù)在知識庫的構(gòu)建中仍然占據(jù)較大比重，對于非結(jié)構(gòu)化的數(shù)據(jù)無法有效利用，同時(shí)該知識庫目前一般由專家通過自頂向下的方式建模，從中提取知識需要大量的、長期的人工干預(yù)與校正。

發(fā)明內(nèi)容

本發(fā)明提供了一種電力知識庫構(gòu)建方法及系統(tǒng)，解決了背景技術(shù)中披露的問題。

為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

一種電力知識庫構(gòu)建方法，包括，

對語料進(jìn)行預(yù)處理，獲得語料文本；

響應(yīng)于語料文本為非結(jié)構(gòu)化文本，將語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體識別模型，對語料文本中命名實(shí)體進(jìn)行識別；

將命名實(shí)體識別后的語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體關(guān)系抽取模型，獲得命名實(shí)體關(guān)系數(shù)據(jù)；

將命名實(shí)體關(guān)系數(shù)據(jù)進(jìn)行存儲(chǔ)，構(gòu)建電力知識庫。

響應(yīng)于語料文本為非結(jié)構(gòu)化文本，將語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體識別模型，對語料文本中命名實(shí)體進(jìn)行識別；響應(yīng)于語料文本為結(jié)構(gòu)化文本，根據(jù)結(jié)構(gòu)信息，獲得語料文本中的命名實(shí)體關(guān)系數(shù)據(jù)。

對原始語料進(jìn)行預(yù)處理，獲得語料文本的過程為，

對語料進(jìn)行編碼轉(zhuǎn)換；

將編碼轉(zhuǎn)換后的語料進(jìn)行繁簡轉(zhuǎn)換；

響應(yīng)于繁簡轉(zhuǎn)換后的語料為結(jié)構(gòu)化數(shù)據(jù)，繁簡轉(zhuǎn)換后的語料為語料文本；

響應(yīng)于繁簡轉(zhuǎn)換后的語料為非結(jié)構(gòu)化數(shù)據(jù)，對繁簡轉(zhuǎn)換后的語料依次進(jìn)行分句、去重、中文分詞，獲得語料文本。

命名實(shí)體關(guān)系數(shù)據(jù)包括存在關(guān)系的命名實(shí)體對、命名實(shí)體間的關(guān)系詞。

命名實(shí)體關(guān)系抽取模型包括第一抽取模型和第二抽取模型，第一抽取模型從語料文本中抽取命名實(shí)體間的關(guān)系詞，第二抽取模型根據(jù)命名實(shí)體間的關(guān)系詞抽取存在關(guān)系的命名實(shí)體對。

將命名實(shí)體關(guān)系數(shù)據(jù)進(jìn)行存儲(chǔ)，構(gòu)建電力知識庫的過程為，

將命名實(shí)體關(guān)系數(shù)據(jù)存儲(chǔ)至圖數(shù)據(jù)庫；

基于圖的機(jī)器學(xué)習(xí)方法對存儲(chǔ)的圖譜進(jìn)行補(bǔ)全，得到電力知識庫。

一種電力知識庫構(gòu)建系統(tǒng)，包括，

預(yù)處理模塊：對語料進(jìn)行預(yù)處理，獲得語料文本；

實(shí)體識別模塊：響應(yīng)于語料文本為非結(jié)構(gòu)化文本，將語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體識別模型，對語料文本中命名實(shí)體進(jìn)行識別；

實(shí)體關(guān)系抽取模塊：將命名實(shí)體識別后的語料文本輸入預(yù)先訓(xùn)練的命名實(shí)體關(guān)系抽取模型，獲得命名實(shí)體關(guān)系數(shù)據(jù)；

存儲(chǔ)模塊：將命名實(shí)體關(guān)系數(shù)據(jù)進(jìn)行存儲(chǔ)，構(gòu)建電力知識庫。