[發明專利]一種基于數據分級模型的電力數據分析方法及系統

在審

• 申請號: 202011051534.9
• 申請日: 2020-09-29
• 公開（公告）號: CN112257425A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 董陽;張倩宜;鄭陽;張馳;趙迪
• 申請（專利權）人: 國網天津市電力公司;國家電網有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F16/35;G06N20/00;G06Q50/06;G06Q50/18
• 代理公司: 天津創智天誠知識產權代理事務所(普通合伙) 12214
• 代理人: 張茜

本發明公開了一種基于數據分級模型的電力數據分析方法，包括：S1.建立詞根數據庫；S2.對電力文檔進行預處理，獲取電力文檔的目標語句，目標語句為需要進行分詞處理的語句信息；S3.識別目標語句，調用詞根數據庫對目標語句進行匹配，并判斷目標語句中是否包含歧義詞庫中的關鍵詞，生成特征識別結果，并得到多分級標簽；S4.根據特征識別結果進行分字處理形成字符，將字符轉換成特征向量矩陣；S5.將特征向量矩陣輸入到文本分類器中，輸出電力文檔的分級結果。通過電力系統的相關法律法規規定對電力文檔進行分詞處理，提取對應的目標語句，并通過詞根數據庫與目標語句匹配，生成識別結果，輸出得到電力文檔的分級結果，大大提高電力數據分級的效率和速度。

技術領域

本發明屬于數據處理技術領域，尤其是涉及一種基于數據分級模型的電力數據分析方法及系統。

背景技術

我國目前正在實施信息安全等級保護制度，所提出的“分區域、分重點”保護的思想是解決當前信息安全問題的一種有效手段。對著電力公司的數字化轉型的推進以及電力數據的集中統一管理，電力數據的分級分類問題亟需解決，尤其是針對電力公司的安全分級，明確哪些數據可以無條件共享開放，哪些數據根據核心商業機密或相關法律法規規定適用有條件共享開放或不開放不共享，從而結合不同的應用場景開展數據授權及共享開放。

目前，電力公司的數據共享交換過程中數據管理比較混亂，對于不同的數據采取相同或相似的保護措施，保護粒度較粗，給數據共享交換安全帶來了極大的隱患，若對敏感數據未進行保護，將會嚴重影響企業的利益甚至國家安全。因此，對數據進行細粒度保護是信息安全的一個重要內容。

自然語言處理作為人工智能的重要分支領域，在眾多場景如機器翻譯、智能問答等中使用地越來越多，扮演著越來越重要的角色。文本分詞是自然語言處理過程中最基礎的過程，文本只有在精確地分詞后才能被更好的分析和識別。

目前，主要憑借專業人員的知識背景及查閱相關規定進行人工分級，這種人工分級方式依賴于工作人員的能力，且工作量巨大，效率低，且誤差率較高。常用的機械分詞法是基于字符串匹配，簡單高效，對簡單語言處理效果還行，但是對復雜有歧義的語句處理不是很好，不能處理歧義和新詞。基于機器學習的分詞法通過構建統計學模型，對文本分詞的精度有所提高，能夠學習新詞，但是復雜度較高，需要訓練龐大的語料庫，訓練代價大，而且對于詞典中的詞不能很好地識別，其分類的準確率還需要提升。

因此，為了解決上述技術問題，不僅需要在分級好的數據描述中提取特征詞，還需要在相關法律條文中提取特征詞，并且適當增加這些特征詞的權重，需要研發一種基于數據分級模型能夠對電力數據分級的數據分析方法。

發明內容

本發明的目的是提供一種能夠將文本性數據通過分詞處理、提取特征詞準確、對電力數據分析準確的基于數據分級模型的電力數據分析方法。

本發明的另一個目的是提供一種基于數據分級模型的電力數據分析系統。

本發明的技術方案如下：

一種基于數據分級模型的電力數據分析方法，包括：

S1.建立詞根數據庫；

S2.導入電力文檔，對電力文檔進行預處理，獲取電力文檔的目標語句，所述目標語句為需要進行分詞處理的語句信息；

S3.識別所述目標語句，調用所述詞根數據庫對目標語句進行匹配，并判斷所述目標語句中是否包含歧義詞庫中的關鍵詞，若包含歧義詞庫中的關鍵詞時，根據分詞規則生成特征識別結果，并得到多分級標簽；

S4.根據所述特征識別結果進行分字處理形成字符，通過TF-IDF算法將所述字符轉換成特征向量矩陣；

S5.將所述特征向量矩陣輸入到文本分類器中，生成數據分級模型，并輸出電力文檔的分級結果。