[發明專利]一種適用于繼電保護裝置缺陷分析的專業詞典構建方法

在審

• 申請號: 202110418922.4
• 申請日: 2021-04-19
• 公開（公告）號: CN113010695A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 薛安成;劉中碩;吳超;章家歡;陳乾;田銘威;陶暢;歐陽明浩;景子洋
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33;G06F16/335;G06F16/35;G06F16/903;G06F40/242;G06F40/247;G06F40/279
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種適用于繼電保護裝置缺陷分析的專業詞典構建方法，其特征在于，所述方法包括：

步驟1、繼電保護缺陷記錄文本數據預處理；

步驟2、繼電保護缺陷記錄停用詞表構建；

步驟3、繼電保護缺陷記錄文本分詞；

步驟4、繼電保護缺陷記錄同義詞合并。

2.根據權利要求1所述一種適用于繼電保護裝置缺陷分析的專業詞典構建方法，其特征在于，在所述步驟1中，文本數據預處理包括文本數據清洗和缺陷文本劃分：

文本數據清洗包括刪除重復缺陷記錄、空白缺陷記錄等無意義數據，缺陷文本劃分需按照缺陷等級將缺陷文本分為危急、嚴重、一般三部分，并將三組文本轉換為txt格式存儲用于后續分詞處理。

3.根據權利要求1所述一種適用于繼電保護裝置缺陷分析的專業詞典構建方法，其特征在于，在所述步驟2中，停用詞表構建包括基于正則表達式提取缺陷裝置信息、廠站名、輸電線路名和人名等，具體地：

1）廠站名和線路名集合缺陷數據中的廠站名稱和一次設備名稱中提取，運用正則表達式的方法，去除其中的電壓等級，將記錄中的變電站和發電廠區分開，從中提取出所需的廠站名集合；

2）對于在文本記錄中出現的保護型號，只從中提取“CSC”、“PSL”等表明發生故障的裝置所屬的序列；

3）采用人工識別的方式建立人名列表。

4.根據權利要求1所述一種適用于繼電保護裝置缺陷分析的專業詞典構建方法，其特征在于，在所述步驟3中，文本數據分詞經過兩次分詞，初次粗分詞利用jieba分詞，然后進行人工修正并對停用詞進行補充完善，之后基于該次結果進行二次分詞，獲得質量更高的專業詞典，其中，人工修正過程建立了相關的分詞約束，具體如下：

1）對于出現的廠站，將具體名稱替換為“變電站”、“發電廠”或“風電場”，出現的線路，將具體名稱替換為“線路”，從而降低文本語料的特征空間維數，并且體現缺陷發生的地點屬性；

2）專屬實體名合并，例如故障/錄波器、CPU/插件、重合/閘等；

3）不切分單字實詞，例如光電/口、接線/頭等，當作短語處理；

4）必要的虛詞前后綴（尤其否定前綴），例如無/異常、不/影響等；

5）出現數字后，先判斷其后一個詞是否為有意義的時間、電流、電壓等計量單位，若是，則保留；若不是，考慮直接刪除。