[發明專利]一種配網實體相關的語義搜索方法

在審

• 申請號: 202010864615.4
• 申請日: 2020-08-25
• 公開（公告）號: CN112036178A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 王鑫;張淑娟;汪玉;趙龍;胡世駿;秦丹丹;鄭高峰;劉麗;李龍躍;高博;徐斌;袁方;李金中;王瀟;孫偉;李博;卞真旭;金雨楠;錢光超;仇茹嘉
• 申請（專利權）人: 國家電網有限公司;國網安徽省電力有限公司;國網安徽省電力有限公司電力科學研究院
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F16/33
• 代理公司: 西安毅聯專利代理有限公司 61225
• 代理人: 楊燕珠

1.一種配網實體相關的語義搜索方法，其特征在于，包括步驟1：對配網實體中的文本進行分詞；

所述對配網實體中的文本進行分詞，包括：

S1、對配網實體中的文本基于詞頻的方法得到第一詞庫；

S2、使用配網實體名稱識別模型對配網實體中的文本進行分詞，得到第二詞庫；

S3、合并第一詞庫和第二詞庫得到合并詞庫；

S4、人工對合并詞庫中分詞錯誤的詞語進行刪除，并在配網實體中的文本中標注出對應分詞錯誤的正確詞語，得到標注文本；

S5、使用配網實體名稱識別模型對標注文本再次分詞，得到第三詞庫；

S6、重復S2～S5，直至得到最終詞庫。

2.根據權利要求1所述的一種配網實體相關的語義搜索方法，其特征在于，所述S1基于詞頻的方法是基于Jieba分詞包的一種處理方式。

3.根據權利要求1所述的一種配網實體相關的語義搜索方法，其特征在于，步驟S1在進行之前，先以換行符、句號、逗號等分隔符將配網實體中的文本分成短句。

4.根據權利要求1所述的一種配網實體相關的語義搜索方法，其特征在于，步驟S2配網實體名稱識別模型是BiLSTM-CRF的模型。

5.根據權利要求1所述的一種配網實體相關的語義搜索方法，其特征在于，步驟S6中重復S2～S5，具體的為重復步驟S2～S5的至少一次。

6.一種配網實體相關的語義搜索方法，其特征在于，包括以下步驟：

步驟1：對配網實體中的文本進行分詞，并將分詞分解成單個的字符形式，得到字符表和詞組表；

步驟2：將步驟1中的字符表中的字符進行向量化，得到字符向量；

步驟3：將步驟1中的詞組表中的詞組利用模型訓練得到詞向量；

步驟4：將步驟2中得到的字符向量和詞向量進行合并，得到上下文信息向量；

步驟5：將步驟4中得到上下文信息向量信息傳入雙向LSTM進行訓練，得到輸入配網實體中的文本的語義信息特征；

步驟6：將步驟五中雙向LSTM的輸出輸入條件隨機場，計算輸入詞對應的最優標簽序列，以最大概率的序列作為詞組最后的類別標簽。

7.根據權利要求6所述的一種配網實體相關的語義搜索方法，其特征在于，所述步驟3中的模型為glove模型。

8.根據權利要求6所述的一種配網實體相關的語義搜索方法，其特征在于，所述步驟3中的詞向量，每個詞向量代表一個詞組，且詞向量的維度可以進行調整。