[發(fā)明專利]用于設備缺陷分類的實現(xiàn)方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110988404.6
• 申請日: 2021-08-26
• 公開（公告）號: CN113704470B
• 公開（公告）日: 2023-08-25
• 發(fā)明（設計）人: 劉建華;孟禹;劉良潔;林濤
• 申請（專利權(quán)）人: 佰聆數(shù)據(jù)股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 林梅繁

1.用于設備缺陷分類的實現(xiàn)方法，其特征在于，包括以下步驟：

步驟S1、獲取文本數(shù)據(jù)，并對文本數(shù)據(jù)進行預處理，所獲取的文本數(shù)據(jù)包括設備類別、缺陷描述信息和缺陷類型信息；

步驟S2、基于BERT模型對預處理后的文本數(shù)據(jù)進行訓練，得到初始化BERT模型；

步驟S3、通過調(diào)整模型參數(shù)和修改樣本標注數(shù)據(jù)對初始化BERT模型進行優(yōu)化；

步驟S4、利用優(yōu)化后的BERT模型對設備缺陷數(shù)據(jù)進行預測，得到設備缺陷分類結(jié)果；

步驟S5、基于約束規(guī)則對BERT模型預測后的結(jié)果進行二次優(yōu)化，得到最終的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的實現(xiàn)方法，其特征在于，步驟S1包括：

S11、建立缺陷詞庫；

S12、將文本數(shù)據(jù)的內(nèi)容按分隔符進行切分，切分后得到多個分段文本；

S13、判斷切分后的各分段文本是否為有價值的內(nèi)容描述；假如某分段文本不包含缺陷詞庫的描述，則該分段文本的內(nèi)容被視為無價值的描述，將其舍棄；

S14、將有價值的分段文本重新組合，得到最終預處理后的文本數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的實現(xiàn)方法，其特征在于，步驟S2包括：

S21、獲取預處理后的文本數(shù)據(jù)，將缺陷類型信息按預設數(shù)量劃分得到均勻分布的樣本數(shù)據(jù)，將樣本數(shù)據(jù)按比例分為訓練集、驗證集和測試集；

S22、將缺陷描述信息轉(zhuǎn)換為BERT模型所需的特征向量，所述特征向量包括詞向量、分段向量和位置向量；

S23、輸入特征向量和相應的模型參數(shù)，用BERT模型對文本數(shù)據(jù)進行訓練，得到文本數(shù)據(jù)的標簽得分；

S24、根據(jù)設備類別和標簽得分對分類結(jié)果進行優(yōu)化；

S25、驗證模型的準確率，并保存模型。

4.根據(jù)權(quán)利要求3所述的實現(xiàn)方法，其特征在于，步驟S4包括：

S401、獲取原始數(shù)據(jù)，其數(shù)據(jù)字段包含設備類別、缺陷描述信息；

S402、讀取缺陷詞庫，并將缺陷詞庫定義為一個集合P；

S403、讀取缺陷描述信息轉(zhuǎn)換后的特征向量，依據(jù)轉(zhuǎn)換成向量的方法，把集合P的所有缺陷詞庫都轉(zhuǎn)化為向量值；

S404、讀取對文本數(shù)據(jù)預處理后需要預測的詞語，對其進行向量化，定義集合Q；

S405、定義相關(guān)性算法，通過計算角度距離判斷詞語的相關(guān)性；

S406、針對需要預測的詞語和缺陷詞語進行逐個判斷，找出相關(guān)性大的詞語，然后通過反向溯源找到缺陷詞語所在的句子；

S407、定義與出現(xiàn)在句子中的缺陷詞庫里的詞語相關(guān)的詞語作為相關(guān)詞；

S408、根據(jù)相關(guān)詞定義相關(guān)詞的詞庫集合CP，并對詞庫集合CP進行向量化；

S409、針對句子拆分出來的詞集合W，刪除缺陷詞庫的集合P出現(xiàn)的詞，把剩余的詞與詞庫集合CP進行角度距離大小的計算；

S410、對某個句子，根據(jù)角度距離大小判斷相關(guān)性，篩選出有接近相關(guān)性詞語的詞的句子；

S411、對缺陷詞語的頻度進行調(diào)查，統(tǒng)計出含有缺陷詞語和相關(guān)性詞語在一批句子中的頻度。

5.根據(jù)權(quán)利要求4所述的實現(xiàn)方法，其特征在于，步驟S405的相關(guān)性算法計算如下：

式中P代表集合P里某個缺陷詞的向量，Q代表集合Q里某個需要預測的詞語的向量，β為P、Q兩個向量的夾角。

6.根據(jù)權(quán)利要求4所述的實現(xiàn)方法，其特征在于，步驟S411中頻度的統(tǒng)計方法為：

定義一個頻度集合Z(F_i)，設出現(xiàn)缺陷詞語的句子條數(shù)為n，這些出現(xiàn)缺陷詞語的句子中含有多個相關(guān)缺陷詞語個數(shù)為L，相關(guān)詞在全文中出現(xiàn)的次數(shù)為num，所統(tǒng)計的句子總條數(shù)為fnum，被標記為告警級別和以上級別的句子條數(shù)為T，定義公式如下：

其中，i＝1，2，3，...，n，通過以上公式統(tǒng)計出含有缺陷和相關(guān)詞語在一批句子中的頻度Hertz_i。