[發(fā)明專利]一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010733364.6
• 申請(qǐng)日: 2020-07-27
• 公開(kāi)（公告）號(hào): CN111857097A
• 公開(kāi)（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 李少森;梁鈺華;孫豪;黃劍湘;楊光;李浩;張啟浩;任君;楊鋮;丁丙侯
• 申請(qǐng)（專利權(quán)）人: 中國(guó)南方電網(wǎng)有限責(zé)任公司超高壓輸電公司昆明局
• 主分類號(hào): G05B23/02
• 分類號(hào): G05B23/02;G06F40/289
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 王華強(qiáng)

1.一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，包括以下步驟：

步驟1：建立診斷命令的響應(yīng)語(yǔ)料庫(kù)：向被測(cè)系統(tǒng)發(fā)送診斷命令N次，將獲得的N份回顯報(bào)文按時(shí)間順序排列，作為診斷命令的響應(yīng)語(yǔ)料庫(kù)；

步驟2：再次向被測(cè)系統(tǒng)發(fā)送診斷命令，獲得第N+1份回顯報(bào)文，將所述第N+1份回顯報(bào)文添加至步驟1建立的診斷命令響應(yīng)語(yǔ)料庫(kù)的最后；

步驟3：對(duì)N+1份回顯報(bào)文進(jìn)行過(guò)濾停用詞、分詞處理；

步驟4：利用TF-IDF詞頻與逆文檔頻率算法，計(jì)算N+1份回顯報(bào)文中每組文本列表中每個(gè)詞的逆文檔頻率IDF；

步驟5：設(shè)置最低逆文檔頻率閾值IDFmin，步驟4中計(jì)算的每組文本列表的詞的逆文檔頻率IDF若小于等于IDFmin值，則予以刪除；

步驟6：將步驟5完成過(guò)濾的N+1份回顯報(bào)文的文本列表向量化：提取出N+1組文本列表內(nèi)的所有詞組，去除重復(fù)后獲得長(zhǎng)度為M的詞組表V，其中M等于完成去除重復(fù)過(guò)濾的詞組總數(shù)，V代表完成過(guò)濾的N+1組文本列表內(nèi)出現(xiàn)的所有詞組，然后將完成過(guò)濾的N+1組文本列表按V中詞匯的排序?qū)ξ谋玖斜淼脑~重新排序，然后詞組轉(zhuǎn)換為向量，向量大小為該詞在該回顯報(bào)文中出現(xiàn)的次數(shù)，并計(jì)算出詞頻值

步驟7：設(shè)置詞頻閾值tf_max，將步驟6計(jì)算出來(lái)的詞頻值值與設(shè)置的詞頻閾值tf_max進(jìn)行比較，若則識(shí)別為異常報(bào)文，并輸出告警信息。

2.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟1中的診斷命令發(fā)送時(shí)間間隔為T，T的取值范圍根據(jù)診斷命令返回結(jié)果可能發(fā)生變化的時(shí)間范圍而定，在系統(tǒng)資源不會(huì)突變的情況下T的取值范圍為1～30天；在網(wǎng)絡(luò)通道隨時(shí)可能中斷的情況下T的取值范圍為1s～24h。

3.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟3中停用詞包括日期和時(shí)間。

4.根據(jù)權(quán)利要求3所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述日期格式為yyy-mm-dd，時(shí)間格式為hh:mm:ss、h:mm。

5.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟3中分詞處理具體為：以空格作為分隔符，將N+1組命令回顯分割成若干詞組，組成N+1組一維文本列表。

6.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟4中IDF的計(jì)算公式為：

7.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟5中IDFmin≥1。

8.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟6中，詞頻值的計(jì)算方法為：N+1組文本列表內(nèi)的所有詞組，去除重復(fù)后獲得長(zhǎng)度為M的詞組表V，其中M等于完成去除重復(fù)過(guò)濾的詞組總數(shù)，V代表完成過(guò)濾的N+1組文本列表內(nèi)出現(xiàn)的所有詞組，然后將完成過(guò)濾的N+1組文本列表按V中詞匯的排序?qū)ξ谋玖斜淼脑~重新排序，然后詞組轉(zhuǎn)換為向量，向量大小為該詞在其所在回顯報(bào)文中出現(xiàn)的次數(shù)，將獲得(N+1)x(M)矩陣A，設(shè)aij為矩陣A第i行j列的元素，則對(duì)于第N+1組文本列表內(nèi)每個(gè)元素a(N+1)j，其詞頻定義為：

9.根據(jù)權(quán)利要求1所述的一種基于詞頻與逆文檔頻率的工控系統(tǒng)異常診斷信息識(shí)別方法，其特征在于，所述步驟7中的tf_max的取值范圍為0.2～0.5。