[發明專利]電力數據倫理知識圖譜構建方法和系統

在審

• 申請號: 202211327205.1
• 申請日: 2022-10-27
• 公開（公告）號: CN115545196A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 陳曦;辛銳;李士林;吳軍英;姜丹;王新穎;常永娟;張鵬飛;賀月;張博;彭姣;盧艷艷;劉汝坤;李濤
• 申請（專利權）人: 國網河北省電力有限公司信息通信分公司;華北電力大學（保定）;國家電網有限公司
• 主分類號: G06N5/02
• 分類號: G06N5/02;G06F40/279;G06F16/35;G06F16/36;G06F21/60
• 代理公司: 石家莊國為知識產權事務所 13120
• 代理人: 付曉娣

1.一種電力數據倫理知識圖譜構建方法，其特征在于，應用于電力數據中臺，包括：

獲取多模態的電力數據，所述電力數據包括非結構化數據，所述非結構化數據包括第一文本數據，所述第一文本數據包括數據倫理的政策文件和/或法律法規；

基于實體識別模型對所述非結構化數據進行實體抽取，獲得候選實體集，所述候選實體集包括多個候選實體；

對所述候選實體集中的每個所述候選實體進行實體對齊，獲得實體集，所述實體集中的每個實體為知識圖譜的一個節點。

2.如權利要求1所述的電力數據倫理知識圖譜構建方法，其特征在于，所述電力數據還包括結構化數據和半結構化數據，所述非結構化數據還包括音頻數據、圖片數據和視頻數據；

所述獲取多模態的電力數據，包括：

基于所述電力數據中臺獲取電力業務系統上的結構化數據，所述結構化數據包括電力營銷系統數據庫表、電力生產系統數據庫表以及電力物資系統數據庫表；

采用爬蟲技術獲取網絡上數據倫理的半結構化數據，基于所述電力數據中臺獲取所述電力數據中臺的系統日志文件的半結構化數據；

通過收集數據倫理的政策文件和/或法律法規，獲得所述第一文本數據的非結構化數據，通過采集電力客服和電力用戶的通話錄音，獲得所述音頻數據的非結構化數據，通過采集電力用戶在所述電力數據中臺上的圖片記錄，獲得所述圖片數據的非結構化數據，通過采集電力用戶在所述電力數據中臺上的視頻記錄，獲得所述視頻數據的非結構化數據。

3.如權利要求1所述的電力數據倫理知識圖譜構建方法，其特征在于，在所述獲取多模態的電力數據后，所述方法還包括：基于多模態的電力數據，構建電力數據倫理知識的本體庫；

所述構建電力數據倫理知識的本體庫，包括：

基于電力數據類型和預設電力數據倫理分類，構建多個電力數據倫理本體，所述電力數據倫理本體包括用電個人用戶隱私、用電企業用戶隱私、用電數據安全以及科研數據，所述預設電力數據倫理分類包括隱私泄露類和數據安全類；

對多個所述電力數據倫理本體進行語義描述，構建所述電力數據倫理知識的本體庫。

4.如權利要求2所述的電力數據倫理知識圖譜構建方法，其特征在于，在所述基于實體識別模型對所述非結構化數據進行實體抽取前，所述方法還包括：

采用語音識別技術將所述音頻數據轉換為第二文本數據；

采用機器視覺技術識別所述圖片數據中的第三文本數據和第一圖像實體；

采用所述語音識別技術和所述機器視覺技術識別所述視頻數據中的敏感目標，獲取第四文本數據和第二圖像實體；

采用結巴分詞模型對所述第一文本數據、所述第二文本數據、所述第三文本數據和所述第四文本數據按照中文語法進行詞語劃分；

構建三元組特征模板，所述三元組特征模板為實體、關系和實體的形式。

5.如權利要求1所述的電力數據倫理知識圖譜構建方法，其特征在于，所述對所述候選實體集中的每個所述候選實體進行實體對齊，包括：

采用word2vec算法分析每個所述候選實體，獲得每個所述候選實體的語義向量；

采用余弦相似度公式或相對熵的方式，計算每個所述語義向量的相似度；

根據預設相似度閾值判定每個所述語義向量的相似度，將大于等于所述預設相似度閾值的所述候選實體進行實體對齊。

6.一種電力數據倫理知識圖譜構建系統，其特征在于，應用于電力數據中臺，包括：

數據獲取模塊，用于獲取多模態的電力數據，所述電力數據包括非結構化數據，所述非結構化數據包括第一文本數據，所述第一文本數據包括數據倫理的政策文件和/或法律法規；

實體抽取模塊，用于基于實體識別模型對所述結構化數據進行實體抽取，獲得候選實體集，所述候選實體集包括多個候選實體；

實體對齊模塊，用于對所述候選實體集中的每個多個候選實體進行實體對齊，獲得實體集，所述實體集中的每個實體為知識圖譜的一個節點。