[发明专利]一种电网文本信息匹配的方法、系统和存储介质

说明书

本发明公开了一种电网文本信息匹配方法、系统和介质，其中方法包括：采集数据构建原始电网文本信息库；将原始电网文本信息库的文档的主题切词和关联，计算得到关联表和权重表，基于关联表进行相似度计算和聚类计算得到每一文档的聚类结果并分类存储电网文本信息数据库；对输入检索的文本校验后分词和权重计算；计算输入检索文本与各聚类中心的距离，分别计算输入的检索文本与相似度最大的类中文本的相似度并排序，将相似度度序列的top‑n对应的文本组成文本序列作为匹配结果返回。本发明通过基于电网文本信息构建数据仓库，提高了信息匹配的效率，降低使用成本；利用垂直搜索，提高信息检索匹配的精确度和工作效率。

技术领域

本发明属于计算机软件技术领域，尤其涉及一种基于数据仓库与垂直搜索的电网文本信息匹配的方法、系统和存储介质。

背景技术

随着计算机和信息时代的到来，人们收集、存储和访问的数据急剧增加，对这些快速增长的海量数据进行分析和知识理解已经远远超出了人的能力。大量的数据被描述为“数据丰富，但信息贫乏”。数据库规模日益扩大，仅依靠数据库管理系统的查询检索机制和统计分析方法，已经远远不能满足现实的需要。而大量激增的数据中往往又隐藏着许多重要的信息，如果能把这些信息从数据库中提取出来，就能为用户创造很多潜在的利润。因此，对大量历史数据进行分析处理，挖掘出有用的知识就显得非常迫切。特别是在电力系统中，存在巨量的运行文本数据信息，如何将其与设备信息进行匹配，也是现阶段研究的重点。

同时，为满足电力部门工作人员对于信息查找的需求，快速地为其提供准确的信息，减少查找工作时间，节省人力成本，不再需要人工到各个系统查询并分析原始信息，所以亟需一个统一的信息一体化管理平台，为电网设备事故风险匹配关联提供检索服务。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于数据仓库与垂直搜索的电网文本信息匹配的方法、系统和存储介质。

为了实现上述目的，本发明第一方面提供了一种基于数据仓库与垂直搜索的电网文本信息匹配的方法，包括：

采集电网文本信息数据进行预处理，得到原始电网文本信息库；

将原始电网文本信息库的每一份文档的主题进行切词，将切出词与文档进行关联后分别进行关联规则计算和权重计算，得到关联表和权重表，基于关联表进行相似度计算和聚类计算得到每一文档的聚类结果并分类存储电网文本信息数据库；

输入待检索的文本，对输入的检索文本校验后进行分词和权重计算；

根据预设的关联表和权重表得到输入的检索文本与当前电网文本信息数据库中各聚类中心的距离，分别计算输入的检索文本与相似度最大的类中文本的相似度并排序，将相似度度序列的top-n对应的文本组成文本序列作为匹配结果返回。

本方案中，所述电网文本信息数据进行预处理包括：数据的析取、数据的剔除、数据的过滤。

本方案中，将切出词与文档进行关联后分别进行关联规则计算和权重计算，后得到得到文档中每个词语的权重值和基于关键词的关联规则，将关联规则中的前件后件写到关联表中，基于小文本的相似度计算，计算出电网信息文本的相似度，然后执行聚类算法，将所有电网信息文本根据聚类结果分类存储于电网文本信息数据库。

本方案中，所述电网文本信息数据库中的文本信息的结构包括：文本编号ID、设备编号Setid、句子Sentence、若干文本关键词。

本方案中，对输入的文本的校验通过预设的检索违禁字典库完成，所述检索违禁字典库由禁止检索主题的关键词组成。

本方案中，对输入的检索文本校验后进行分词得到若干个检索词，分别对若干检索词进行权重计算。