[發明專利]一種電力設備故障缺陷文本命名實體的抽取方法及裝置

有效

• 申請號: 202110742874.4
• 申請日: 2021-06-30
• 公開（公告）號: CN113343701B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 陳鵬;金楊;邰彬;楊賢;汪進鋒;黃楊玨;姚瑤
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司電力科學研究院
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/216;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;鐘文瀚

1.一種電力設備故障缺陷文本命名實體的抽取方法，其特征在于，包括：

S1、獲取電力設備的缺陷文本，并針對所述缺陷文本進行預處理，得到標準化文本數據；

S2、采用詞典的方法，進行I類實體信息抽取，其中，所述I類實體信息包括：設備名、部件名、故障類型、故障等級和電壓等級；

S3、采用LTP工具，進行II類實體信息抽取，其中，所述II類實體信息包括：生產時間和投運時間；包括：

S31、導入所述標準化文本數據；

S32、對所述標準化文本數據進行分詞處理，并標注每一次詞語的詞性，獲得分詞處理后詞語集；

S33、遍歷讀取所述詞語集，并判斷當前詞語是否為時間名詞，若是，則進入S34，若否，則進入S36；

S34、讀取當前詞語的下一個詞語，并判斷所述下一個詞語是否為時間名詞，若是，則進入S34，若否，則進入S35；

S35、將所述時間名詞構成時間實體；

S36、判斷所述詞語集中的詞語是否都遍歷結束，若是，則結束II類實體信息抽取，若否，則進入S33；

S4、采用Bert－CRF算法，進行III類實體信息抽取，其中，所述III類實體信息包括：線路名和廠家名；包括：

將電力設備的缺陷文本轉化為Bert模型的標準處理格式，得到每個字符的Token、Segment和Position信息；令每層Encoder網絡學習所得到的信息，并將學習到的特征傳遞給下一層Encoder，通過迭代，將最終學到的特征信息輸出給CRF模型；

CRF模型通過所述特征信息計算文本序列的最大概率序列標簽，從而得到每一字符所對應的標簽；

通過所述標簽識別出電力設備的缺陷文本中的線路名和廠家名；

S5、將所述I類實體信息、II類實體信息和III類實體信息輸出，獲得命名實體的抽取結果。

2.根據權利要求1所述的電力設備故障缺陷文本命名實體的抽取方法，其特征在于，所述S1，包括：

S11、根據預設的規則，剔除所述缺陷文本中沒有實際含義的詞；

S12、采用正則表達式，剔除所述缺陷文本中的特殊符號，其中，所述特殊符號包括：標點符號、數字及特殊字符。

3.根據權利要求1所述的電力設備故障缺陷文本命名實體的抽取方法，其特征在于，所述S2，包括：

S21、導入預設的詞典集和所述標準化文本數據；

S22、對所述詞典集中每個詞典指定一類實體標簽；

S23、遍歷所述詞典集中的所有詞典；

S24、遍歷當前詞典中的每一個詞語，并判斷詞語是否出現在所述標準化文本數據；若是，則將所述詞語記為所述標準化文本數據的I類實體，若否，則進入S25；

S25、判斷當前詞典是否遍歷結束，若是，則進入S26，若否，則進入S24；

S26、判斷所述詞典集中的所有詞典是否遍歷結束，若是，則結束I類實體信息抽取，若否，則進入S23。