[发明专利]事件类别确定方法、装置及电子设备在审

专利信息
申请号: 201911121913.8 申请日: 2019-11-15
公开(公告)号: CN112818115A 公开(公告)日: 2021-05-18
发明(设计)人: 刘英箎;李泉志;张琼;司罗 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06F16/35 分类号: G06F16/35;G06N20/00
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 钱秀茹
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 事件 类别 确定 方法 装置 电子设备
【权利要求书】:

1.一种设备故障发生模式确定方法,其特征在于,包括:

获取设备故障相关文本;

针对所述文本包括的词,通过设备故障要素确定模型包括的词向量确定子网络,根据词的第一词向量,确定词的包括词语义信息和设备故障要素类型信息的第二词向量;

通过设备故障要素确定模型包括的设备故障特征抽取子网络,根据所述第二词向量,抽取包括文本语义信息和设备故障要素类型信息的设备故障特征;

通过设备故障要素确定模型包括的故障要素预测子网络,根据所述设备故障特征,确定设备故障要素信息;

根据设备故障要素信息,确定设备故障发生模式信息。

2.根据权利要求1所述的方法,其特征在于,还包括:

针对所述文本包括的词,通过设备故障要素确定模型包括的与词位置相对应的设备故障要素类型预测子网络,根据词的第二词向量,确定词的设备故障要素类型。

3.根据权利要求1所述的方法,其特征在于,所述第二词向量采用如下步骤确定:

将词作为目标词,并确定包括目标词及其相邻词的文本片段;

获取目标词和相邻词的词向量;以及,根据相邻词在所述文本片段中的词位置信息,确定目标词和相邻词的词位置向量;

通过词向量确定子网络,根据所述目标词及其相邻词的词向量和所述词位置向量,确定所述目标词的第二词向量。

4.根据权利要求1所述的方法,其特征在于,

通过设备故障要素确定模型包括的与要素类型对应的设备故障特征抽取子网络,根据所述第二词向量,抽取包括文本语义信息和设备故障要素类型信息的与要素类型相关的设备故障特征;

通过设备故障要素确定模型包括的与要素类型对应的故障要素预测子网络,根据所述与要素类型相关的设备故障特征,确定与要素类型对应的设备故障要素信息。

5.一种设备故障发生模式确定装置,其特征在于,包括:

故障文本获取单元,用于获取设备故障相关文本;

词向量确定单元,用于针对所述文本包括的词,通过设备故障要素确定模型包括的词向量确定子网络,根据词的第一词向量,确定词的包括词语义信息和设备故障要素类型信息的第二词向量;

故障特征抽取单元,用于通过设备故障要素确定模型包括的设备故障特征抽取子网络,根据所述第二词向量,抽取包括文本语义信息和设备故障要素类型信息的设备故障特征;

故障要素确定单元,用于通过设备故障要素确定模型包括的故障要素预测子网络,根据所述设备故障特征,确定设备故障要素信息;

故障模式确定单元,用于根据设备故障要素信息,确定设备故障发生模式信息。

6.一种电子设备,其特征在于,包括:

处理器;以及

存储器,用于存储实现设备故障发生模式确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:获取设备故障相关文本;针对所述文本包括的词,通过设备故障要素确定模型包括的词向量确定子网络,根据词的第一词向量,确定词的包括词语义信息和设备故障要素类型信息的第二词向量;通过设备故障要素确定模型包括的设备故障特征抽取子网络,根据所述第二词向量,抽取包括文本语义信息和设备故障要素类型信息的设备故障特征;通过设备故障要素确定模型包括的故障要素预测子网络,根据所述设备故障特征,确定设备故障要素信息;根据设备故障要素信息,确定设备故障发生模式信息。

7.一种事件发生模式确定方法,其特征在于,包括:

获取事件相关文本;

针对所述文本包括的词,通过事件要素确定模型包括的词向量确定子网络,根据词的第一词向量,确定词的包括词语义信息和事件要素类型信息的第二词向量;

通过事件要素确定模型包括的事件特征抽取子网络,根据所述第二词向量,抽取包括文本语义信息和事件要素类型信息的事件特征;

通过事件要素确定模型包括的事件要素预测子网络,根据所述事件特征,确定事件要素信息;

根据所述事件要素信息,确定事件发生模式信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911121913.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top