[發(fā)明專利]基于多模態(tài)的電力營(yíng)銷熱點(diǎn)挖掘方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111435180.2
• 申請(qǐng)日: 2021-11-29
• 公開（公告）號(hào): CN114116981A
• 公開（公告）日: 2022-03-01
• 發(fā)明（設(shè)計(jì)）人: 何瑋;吳偉將;吳卓超;孫少辰;俞陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)江蘇省電力有限公司營(yíng)銷服務(wù)中心
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06Q50/06;G06N3/04;G06F40/216
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 張紅蓮;王萍

本申請(qǐng)公開了基于多模態(tài)的電力營(yíng)銷熱點(diǎn)挖掘方法，包括：采集電力營(yíng)銷中包括客戶互動(dòng)數(shù)據(jù)，將其匯總構(gòu)成電力營(yíng)銷多模態(tài)熱點(diǎn)挖掘數(shù)據(jù)集；對(duì)熱點(diǎn)挖掘數(shù)據(jù)集中的文本描述進(jìn)行預(yù)處理；分別進(jìn)行圖像模態(tài)特征抽取和文本模態(tài)特征抽取，獲取圖像模態(tài)與文本模態(tài)的特征向量；將圖像模態(tài)特征和文本模態(tài)特征融合得到多模態(tài)融合特征，并基于多模態(tài)融合特征從文本描述中抽取候選熱點(diǎn)詞；對(duì)每個(gè)候選熱點(diǎn)詞計(jì)算原始熱度值和熱度增速；結(jié)合原始熱度值與熱度增速，從候選熱點(diǎn)詞中篩選最終的熱點(diǎn)詞。本發(fā)明打破了傳統(tǒng)熱點(diǎn)挖掘方法只關(guān)注文本數(shù)據(jù)的局限性，結(jié)合圖像信息對(duì)熱點(diǎn)挖掘任務(wù)進(jìn)行增強(qiáng)。

技術(shù)領(lǐng)域

本發(fā)明屬于電力營(yíng)銷數(shù)據(jù)應(yīng)用技術(shù)領(lǐng)域，涉及基于多模態(tài)的電力營(yíng)銷熱點(diǎn)挖掘方法。

背景技術(shù)

電力涉及到現(xiàn)代社會(huì)中每個(gè)企業(yè)和家庭。在電力營(yíng)銷系統(tǒng)中，已有智能知識(shí)中心中的用戶數(shù)據(jù)，包括文本與圖像等多模態(tài)數(shù)據(jù)等。面對(duì)已有的多源數(shù)據(jù)，可以挖掘出相關(guān)的熱點(diǎn)知識(shí)，熱點(diǎn)的挖掘有助于快速地初步了解整體數(shù)據(jù)的特點(diǎn)，并為后續(xù)的分析工作，供方向與決策基礎(chǔ)。通過熱點(diǎn)發(fā)現(xiàn)能夠從電力系統(tǒng)產(chǎn)生的多模態(tài)數(shù)據(jù)中挖掘出當(dāng)前電力營(yíng)銷領(lǐng)域的熱點(diǎn)話題，例如偷點(diǎn)漏電等違法行為，以及這些話題的熱度。通過熱點(diǎn)發(fā)現(xiàn)還能夠快速發(fā)現(xiàn)用戶數(shù)據(jù)的明顯特征，例如用戶通常在白天使用某項(xiàng)服務(wù)，以及大部分用戶都使用電子支付電費(fèi)等。通過對(duì)這些已挖掘出的熱點(diǎn)知識(shí)進(jìn)一步總結(jié)分析，智能感知出電力營(yíng)銷所需求的知識(shí)。

傳統(tǒng)的熱點(diǎn)挖掘?qū)Ｗ⒃谧匀徽Z(yǔ)言文本數(shù)據(jù)上，通過抽取熱點(diǎn)詞。通過對(duì)熱點(diǎn)挖掘技術(shù)，識(shí)別新發(fā)生的例如新聞事件并跟蹤事件后續(xù)發(fā)展動(dòng)態(tài)的信息智能獲取技術(shù)，該技術(shù)主要利用互聯(lián)網(wǎng)搜索技術(shù)和自然語(yǔ)言處理技術(shù)，把分散的信息有效地匯集起來，通過這種方法關(guān)注事件發(fā)展動(dòng)向。

熱點(diǎn)挖掘常被應(yīng)用與新聞咨詢領(lǐng)域的輿情分析，其熱點(diǎn)的判斷依賴于新聞的評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊數(shù)或文章的瀏覽量、點(diǎn)贊量等明顯含有關(guān)注熱度標(biāo)簽的參數(shù)進(jìn)行熱點(diǎn)挖掘。

現(xiàn)有的熱點(diǎn)挖掘方法主要利用文本信息進(jìn)行熱點(diǎn)詞的識(shí)別，與此不同的是，電力營(yíng)銷領(lǐng)域的熱點(diǎn)不僅僅來自于文本信息，而往往需要結(jié)合文本與圖像的多模態(tài)數(shù)據(jù)中抽取出熱點(diǎn)。因此，現(xiàn)有的熱點(diǎn)挖掘方法無法直接適配到電力營(yíng)銷領(lǐng)域場(chǎng)景。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中的不足，本申請(qǐng)?zhí)峁┗诙嗄B(tài)的電力營(yíng)銷熱點(diǎn)挖掘方法。

為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下技術(shù)方案：

于多模態(tài)的電力營(yíng)銷熱點(diǎn)挖掘方法，包括以下步驟：

步驟1，采集電力營(yíng)銷中包括文本描述及其對(duì)應(yīng)的圖像描述的客戶互動(dòng)數(shù)據(jù)，將其匯總構(gòu)成電力營(yíng)銷多模態(tài)熱點(diǎn)挖掘數(shù)據(jù)集；

步驟2，對(duì)熱點(diǎn)挖掘數(shù)據(jù)集中的文本描述進(jìn)行預(yù)處理；

步驟3，對(duì)預(yù)處理后的熱點(diǎn)挖掘數(shù)據(jù)集分別進(jìn)行圖像模態(tài)特征抽取和文本模態(tài)特征抽取，獲取圖像模態(tài)與文本模態(tài)的特征向量；

步驟4，使用跨模態(tài)注意力機(jī)制將圖像模態(tài)特征和文本模態(tài)特征融合得到多模態(tài)融合特征，并基于多模態(tài)融合特征，利用CRF模型從文本描述中抽取候選熱點(diǎn)詞；

步驟5，對(duì)步驟4抽取的每個(gè)候選熱點(diǎn)詞計(jì)算原始熱度值和熱度增速；

步驟6，結(jié)合原始熱度值與熱度增速，從候選熱點(diǎn)詞中篩選最終的熱點(diǎn)詞。

本發(fā)明進(jìn)一步包括以下優(yōu)選方案：

優(yōu)選地，步驟1中，最終得到的電力營(yíng)銷多模態(tài)熱點(diǎn)挖掘數(shù)據(jù)集表示為D＝{(xⁱ,yⁱ)}_L，其中L為樣本個(gè)數(shù)，xⁱ表示第i個(gè)樣本的文本描述，yⁱ表示xⁱ對(duì)應(yīng)的圖像描述；

所述文本描述為用戶對(duì)事件的咨詢與申訴。