[發(fā)明專利]一種電力領(lǐng)域隱患事件文本分類方法及其相關(guān)裝置

有效

• 申請?zhí)枺?/td>: 202110859433.2
• 申請日: 2021-07-28
• 公開（公告）號: CN113535906B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 何超勛;楊秋勇;江疆;彭澤武;馮歆堯;吳金銘;王柳佳
• 申請（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/279;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 沈闖

本申請公開了一種電力領(lǐng)域隱患事件文本分類方法及其相關(guān)裝置，構(gòu)建包括有標簽樣本的風(fēng)險隱患庫和包括待分類樣本的無標簽樣本庫；通過預(yù)處理后的有標簽樣本對預(yù)置文本分類網(wǎng)絡(luò)進行訓(xùn)練得到文本分類模型；通過文本分類模型對預(yù)處理后的待分類樣本進行文本分類，根據(jù)分類類別概率獲取置信度；將置信度最高的第一預(yù)置數(shù)量個待分類樣本添加到風(fēng)險隱患庫，剩余待分類樣本放回?zé)o標簽樣本庫；通過文本分類模型對更新后的風(fēng)險隱患庫中有標簽樣本進行文本分類并獲取置信度；將置信度最低的第二預(yù)置數(shù)據(jù)量個更新后的風(fēng)險隱患庫中的有標簽樣本添加到風(fēng)險隱患庫回收站，改善了現(xiàn)有的電力領(lǐng)域風(fēng)險隱患事件文本采用人工審查方式，存在效率低和耗時長的技術(shù)問題。

技術(shù)領(lǐng)域

本申請涉及文本分類技術(shù)領(lǐng)域，尤其涉及一種電力領(lǐng)域隱患事件文本分類方法及其相關(guān)裝置。

背景技術(shù)

電力供應(yīng)關(guān)系民生，安全生產(chǎn)對電力企業(yè)尤為重要。雖然電力企業(yè)制定了安全規(guī)程，以規(guī)范電網(wǎng)運行過程，保障電網(wǎng)設(shè)備和人員安全。但事故和未遂事故仍時有發(fā)生，大量的事故事件記錄的描述中暴露出操作過程中存在的問題。通過對這些文本記錄的調(diào)查和統(tǒng)計分析，可以為采取有針對性的控制措施，防止事故的發(fā)生，提高安全管理和監(jiān)督水平。然而，這些文本通常都是依賴于人工方式進行審查，效率低，費時長，工作量大。因此，提供一種電力領(lǐng)域隱患事件文本分類方法是本領(lǐng)域技術(shù)人員亟需解決的技術(shù)問題。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N電力領(lǐng)域隱患事件文本分類方法及其相關(guān)裝置，用于改善現(xiàn)有的電力領(lǐng)域風(fēng)險隱患事件文本采用人工審查方式，存在效率低和耗時長的技術(shù)問題。

有鑒于此，本申請第一方面提供了一種電力領(lǐng)域隱患事件文本分類方法，包括：

S1、構(gòu)建包括有標簽樣本的風(fēng)險隱患庫和包括待分類樣本的無標簽樣本庫，所述有標簽樣本為有標簽的電力領(lǐng)域風(fēng)險隱患事件文本，所述待分類樣本為無標簽的電力領(lǐng)域事件文本；

S2、對所述有標簽樣本的置信度進行初始化，并對所述有標簽樣本進行預(yù)處理后，通過預(yù)處理后的所述有標簽樣本對預(yù)置文本分類網(wǎng)絡(luò)進行訓(xùn)練，得到文本分類模型；

S3、從所述無標簽樣本庫隨機抽取若干所述待分類樣本進行預(yù)處理后輸入到所述文本分類模型進行文本分類，并根據(jù)所述待分類樣本對應(yīng)的分類類別概率獲取該待分類樣本的置信度；

S4、將置信度最高的第一預(yù)置數(shù)量個所述待分類樣本添加到當(dāng)前的風(fēng)險隱患庫，得到更新后的所述風(fēng)險隱患庫，剩余的待分類樣本放回所述無標簽樣本庫；

S5、通過所述文本分類模型對更新后的所述風(fēng)險隱患庫中的有標簽樣本進行文本分類，并基于更新后的所述風(fēng)險隱患庫中各有標簽樣本的分類類別概率獲取置信度；

S6、將置信度最低的第二預(yù)置數(shù)據(jù)量個更新后的所述風(fēng)險隱患庫中的有標簽樣本添加到風(fēng)險隱患庫回收站，并返回步驟S3，直至所述無標簽樣本庫中的樣本數(shù)量為0。

可選的，所述預(yù)處理包括分詞和/或去停用詞。

可選的，所述預(yù)置文本分類網(wǎng)絡(luò)包括前向長短期記憶網(wǎng)絡(luò)、后向長短期記憶網(wǎng)絡(luò)、注意力層、Dropout層和歸一化層；

所述前向長短期記憶網(wǎng)絡(luò)和所述后向長短期記憶網(wǎng)絡(luò)的輸出端均連接所述注意力層的輸入端；

所述注意力層的輸出端與所述Dropout層的輸入端連接，并與所述歸一化層跨越連接；

所述Dropout層的輸出端與所述歸一化層的輸入端連接。

可選的，所述根據(jù)所述待分類樣本對應(yīng)的分類類別概率獲取該待分類樣本的置信度，包括：

將所述待分類樣本對應(yīng)的分類類別概率中的最高概率值作為該待分類樣本的置信度。

可選的，步驟S6之后還包括：