[發明專利]風電故障信息抽取方法和裝置

在審

• 申請號: 202010727765.0
• 申請日: 2020-07-23
• 公開（公告）號: CN113971401A
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 歷瑩;宋建軍;田亨
• 申請（專利權）人: 新疆金風科技股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/295;G06F16/33;G06K9/62
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 高燕;王兆賡

提供一種風電故障信息抽取方法和裝置，該風電故障信息抽取方法包括：獲取關于風電故障的文本數據；對所獲取的文本數據進行實體名詞抽取處理；基于所獲取的文本數據以及實體名詞抽取處理結果，確定所述文本數據的第一抽取信息和第二抽取信息，其中，第一抽取信息用于表征發生故障的故障點，第二抽取信息用于表征針對故障點的故障相關描述。采用本發明示例性實施例的風電故障信息抽取方法和裝置，有效提高了風電行業文本挖掘效果。

技術領域

本發明總體說來涉及風力發電技術領域，更具體地講，涉及一種風電故障信息抽取方法和裝置。

背景技術

經歷了大數據時代的洗禮，風電行業已經積累了海量文本數據。但是這些文本數據一般都雜亂、沒有統一的格式，文本數據中的價值難以被挖掘。

目前風電行業的文本數據遍布于各個階段，例如，產品研發階段、供應鏈、營銷、服務。供應鏈環節中存在大量各機型、各批次的合同，因受時間、任務、人為等因素影響，難以實現精準高效的提取關鍵信息。在服務環節中，服務工單雜亂、記錄方式多樣，人工回顧變得困難。歷史工單故障數據難以被追溯，價值很難被挖掘。

對于風電行業的文本數據，其不同于SCADA這種結構化數據，風電行業的文本數據是一種非結構化、雜亂的數據。目前，當業務方人員想利用歷史文本數據時，使用的方式經常是使用人工的方式進行查找，這種人工查找方式不僅僅是效率低，而且查找出的信息經常是不全面的。

發明內容

本發明的示例性實施例的目的在于提供一種風電故障信息抽取方法和裝置，以克服上述至少一種缺陷。

在一個總體方面，提供一種風電故障信息抽取方法，所述風電故障信息抽取方法包括：獲取關于風電故障的文本數據；對所獲取的文本數據進行實體名詞抽取處理；基于所獲取的文本數據以及實體名詞抽取處理結果，確定所述文本數據的第一抽取信息和第二抽取信息，其中，第一抽取信息用于表征發生故障的故障點，第二抽取信息用于表征針對故障點的故障相關描述。

可選地，對所獲取的文本數據進行實體名詞抽取處理的步驟可包括：基于命名實體識別NER算法來從所獲取的文本數據中抽取實體名詞。

可選地，通過抽取處理獲得的實體名詞可包括用于指示故障點的至少一個第一實體名詞和用于故障描述的至少一個第二實體名詞，其中，基于所獲取的文本數據以及實體名詞抽取處理結果，確定所述文本數據的第一抽取信息和第二抽取信息的步驟可包括：參照風電故障的文本特征，根據所獲取的文本數據，基于所述至少一個第一實體名詞進行拼接獲得第一抽取信息，基于所述至少一個第二實體名詞進行拼接獲得第二抽取信息。

可選地，可通過以下方式之一獲得第一抽取信息：將所述文本數據中位置相鄰的兩個第一實體名詞進行拼接，獲得第一抽取信息；將滿足名詞-連詞-名詞短語結構的兩個第一實體名詞以及位于所述兩個第一實體名詞之間的連詞進行拼接，獲得第一抽取信息。

可選地，基于所述至少一個第一實體名詞進行拼接獲得第一抽取信息的步驟可包括：確定在所述文本數據中與所述至少一個第一實體名詞中的任一第一實體名詞相鄰的詞；確定所述相鄰的詞的類別；基于所述相鄰的詞的類別對所述任一第一實體名詞進行拼接，獲得第一抽取信息。

可選地，可通過以下方式獲得第一抽取信息：對所述文本數據中除所抽取的所述至少一個第一實體名詞和所述至少一個第二實體名詞之外的部分進行切詞，獲得至少一個分詞；如果確定所述相鄰的詞的類別是另一第一實體名詞，則將所述任一第一實體名詞與所述另一第一實體名詞進行拼接，獲得第一抽取信息；如果確定所述相鄰的詞的類別是分詞，則確定所述分詞的詞性；如果確定所述分詞的詞性為連詞，則確定與所述分詞相鄰的另一詞是否為另一第一實體名詞或者名詞；如果與所述分詞相鄰的另一詞為另一第一實體名詞或者名詞，則將所述任一第一實體名詞與所述分詞、與所述分詞相鄰的另一詞進行拼接，獲得第一抽取信息。