[發(fā)明專利]基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法及提取系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211604427.3
• 申請(qǐng)日: 2022-12-13
• 公開（公告）號(hào): CN116089564A
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計(jì)）人: 胡維;劉晗;黃鑫;馮曉文;田建偉;向行;王康;劉亮
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)湖南省電力有限公司;國(guó)網(wǎng)湖南省電力有限公司信息通信分公司;國(guó)家電網(wǎng)有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/35;G06N3/047;G06N3/048;G06N3/08;G06F40/242
• 代理公司: 長(zhǎng)沙永星專利商標(biāo)事務(wù)所(普通合伙) 43001
• 代理人: 周詠;米中業(yè)

本發(fā)明公開了一種基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法，包括獲取歷史電力技術(shù)標(biāo)準(zhǔn)；采用word2vec詞向量模型轉(zhuǎn)換為詞向量；構(gòu)建電力技術(shù)標(biāo)準(zhǔn)信息提取初始模型并采用詞向量訓(xùn)練得到電力技術(shù)標(biāo)準(zhǔn)信息提取模型；將實(shí)際的電力技術(shù)標(biāo)準(zhǔn)輸入到電力技術(shù)標(biāo)準(zhǔn)信息提取模型得到提取的電力技術(shù)標(biāo)準(zhǔn)信息。本發(fā)明還公開了一種實(shí)現(xiàn)所述基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法的提取系統(tǒng)。本發(fā)明公開的這種基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法及提取系統(tǒng)，通過收集電力技術(shù)標(biāo)準(zhǔn)數(shù)據(jù)，訓(xùn)練信息提取模型然后進(jìn)行數(shù)據(jù)匯總統(tǒng)計(jì)，實(shí)現(xiàn)了電力技術(shù)標(biāo)準(zhǔn)關(guān)鍵信息的自動(dòng)提取匯總統(tǒng)計(jì)的全流程；因此本發(fā)明的可靠性高、精確性好且效率較高。

技術(shù)領(lǐng)域

本發(fā)明屬于電氣自動(dòng)化領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法及提取系統(tǒng)。

背景技術(shù)

隨著經(jīng)濟(jì)技術(shù)的發(fā)展和人們生活水平的提高，電能已經(jīng)成為了人們生產(chǎn)和生活中必不可少的二次能源，給人們的生產(chǎn)和生活帶來(lái)了無(wú)盡的便利。因此，保障電能的穩(wěn)定可靠供應(yīng)，就成為了電力系統(tǒng)最重要的任務(wù)之一。

電力技術(shù)標(biāo)準(zhǔn)是電力系統(tǒng)的重要組成部分；因此，對(duì)于電力技術(shù)標(biāo)準(zhǔn)的查詢和信息提取就顯得尤為重要。目前，傳統(tǒng)的電力計(jì)數(shù)標(biāo)準(zhǔn)的信息提取工作，依舊采用的是人工的方式進(jìn)行提取，即技術(shù)人員找到技術(shù)標(biāo)準(zhǔn)后，再人為的將所需要的標(biāo)準(zhǔn)信息提取出來(lái)。但是，這種人工提取的方式，不僅費(fèi)時(shí)費(fèi)力，效率極低，而且容易出現(xiàn)人為帶來(lái)的錯(cuò)誤。

發(fā)明內(nèi)容

本發(fā)明的目的之一在于提供一種可靠性高、精確性好且效率較高的基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法。

本發(fā)明的目的之二在于提供一種實(shí)現(xiàn)所述基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法的提取系統(tǒng)。

本發(fā)明提供的這種基于深度學(xué)習(xí)的電力技術(shù)標(biāo)準(zhǔn)信息提取方法，包括如下步驟：

S1.獲取歷史電力技術(shù)標(biāo)準(zhǔn)；

S2.將步驟S1獲取的電力技術(shù)標(biāo)準(zhǔn)，采用word2vec詞向量模型轉(zhuǎn)換為詞向量；

S3.構(gòu)建電力技術(shù)標(biāo)準(zhǔn)信息提取初始模型；

S4.采用步驟S2得到的詞向量，對(duì)步驟S3構(gòu)建的電力技術(shù)標(biāo)準(zhǔn)信息提取初始模型進(jìn)行訓(xùn)練，得到電力技術(shù)標(biāo)準(zhǔn)信息提取模型；

S5.將實(shí)際的電力技術(shù)標(biāo)準(zhǔn)輸入到步驟S4得到的電力技術(shù)標(biāo)準(zhǔn)信息提取模型，從而得到提取的電力技術(shù)標(biāo)準(zhǔn)信息。

步驟S2所述的將步驟S1獲取的電力技術(shù)標(biāo)準(zhǔn)，采用word2vec詞向量模型轉(zhuǎn)換為詞向量，具體包括如下步驟：

A.根據(jù)步驟S1獲取的歷史電力技術(shù)標(biāo)準(zhǔn)，構(gòu)建數(shù)據(jù)集：

設(shè)定滑動(dòng)窗口大小，采用滑動(dòng)窗口在各個(gè)歷史電力技術(shù)標(biāo)準(zhǔn)的文本上滑動(dòng)，取中心詞作為輸入數(shù)據(jù)，取周邊詞作為輸出數(shù)據(jù)，構(gòu)成數(shù)據(jù)集；

B.將步驟A得到的數(shù)據(jù)集中的詞，轉(zhuǎn)換為one-hot詞袋；

C.構(gòu)建word2vec詞向量模型：模型包括輸入層、隱藏層和輸出層；

D.將步驟B得到的one-hot詞袋輸入到輸入層中，輸入層的維度為詞典的大小V；將輸入層的結(jié)果輸入到節(jié)點(diǎn)數(shù)為N的隱藏層中，N為詞向量的大小；將隱藏層的結(jié)果輸入到softmax激活函數(shù)中，得到每個(gè)周邊詞的概率；

E.通過最大化中心詞生成周邊詞的條件概率來(lái)對(duì)word2vec詞向量模型進(jìn)行訓(xùn)練。

步驟E所述的訓(xùn)練，具體為采用如下似然函數(shù)進(jìn)行訓(xùn)練：