[发明专利]一种基于关键词共现的管廊故障分析方法

说明书

本发明公开了一种基于关键词共现的管廊故障分析方法，包括以下步骤：步骤一：构建以通用词典为基础并涵盖管廊行业专有名词及专业术语的自定义词典；步骤二：在得到故障信息后，对该故障信息进行故障信息预处理；步骤三：在得到词语集合后，针对该词语集合进行关键词选取；步骤四：在对关键词进行词云可视化后，形成关键词共现矩阵并将该关键词共现矩阵可视化。本发明通过自定义词典、词频统计的手段发现故障关键词，并通过关键词词云可视化进行展示；进一步地构建关键词共现网络，并采用图布局算法进行布局优化，以达到对故障信息的分析和直观展示。

技术领域

本发明涉及一种基于关键词共现的管廊故障分析方法。

背景技术

文本分析技术是指对文本的表示及其特征项的选取，是文本挖掘、信息检索中的基本问题。它将无结构的原始文本转化为结构化的计算机可以识别和处理的信息，从而建立数学模型来描述和代替文本，最终实现从大量文本中挖掘有效信息的目的。关键词共现网络分析也叫共词分析，是一种文本内容分析技术，它通过分析在同一个文本主题中单词或名词短语共同出现的形式，揭示关键词间的亲疏关系，共现频次越高，说明两个关键词之间的相关性越强。

图布局算法是解决大规模节点连接图中布局杂乱、可读性差等问题的算法。力导引布局算法是其经典方法,主要思想是将整个拓扑图看作一个物理系统，相邻顶点之间存在引力，不相邻的顶点间存在斥力，每次迭代计算顶点受到的合力，并根据合力移动顶点，最终使整个系统达到一个能量的极小值。通过传统的力导引布局算法可以产生边长和顶点分布较均匀的符合美学标准的图布局结果，代表性的算法有Fruchterman等人的FR(Fruchterman-Reingold)算法。

现有的管廊故障信息尚未得到有效利用，管理者通常无法迅速对管廊故障的类型、地点等内容进行判断，无法有效开展对管廊的针对性检修工作，因此管廊的故障检修工作通常需要动用大量的工作人员进行逐步排查，耗时耗力，大大影响了工作效率，提高了企业的成本。

发明内容

本发明的目的，就是为了解决上述问题而提供了一种基于关键词共现的管廊故障分析方法，能对故障信息进行分析并直观展示。

本发明的目的是这样实现的：

本发明的一种基于关键词共现的管廊故障分析方法，包括以下步骤：

步骤一：构建以通用词典为基础并涵盖管廊行业专有名词及专业术语的自定义词典；

步骤二：在得到故障信息后，对该故障信息进行故障信息预处理，故障信息预处理包括：

S2.1：故障信息去重：若故障信息中包含中文信息和英文信息，则将中文信息和英文信息进行比对去重，并对去重后的故障信息进行记录；

S2.2：生成词语集合：在自定义词典中，对S2.1中记录的去重后的故障信息利用分词算法进行分词并去除停用词，将分词并去除停用词后的故障信息生成词语集合；

步骤三：在得到词语集合后，针对该词语集合进行关键词选取，关键词选取包括：

S3.1：词频统计：针对S2.2中生成的词语集合，统计该词语集合中的每个词语及其词频；

S3.2：同义词合并：针对S3.1中的词语集合中的词语及其词频进行同义词合并，并对合并的同义词的词频进行相加；

S3.3：关键词选取：在S3.2中的经过同义词合并后的词语集合中选取词频排名前M的词语作为关键词，其中M为正整数且M小于或者等于该关键词的数量；

S3.4：关键词词云可视化：针对S3.3选出的关键词进行词云可视化；

步骤四：在对关键词进行词云可视化后，形成关键词共现矩阵并将该关键词共现矩阵可视化，包括：