[发明专利]一种电网知识图谱构建方法及其系统

说明书

本发明公开了一种电网知识图谱构建方法及其系统，旨在解决现有技术中电网技术领域缺乏实用、高效的知识图谱构建工具的技术问题。其包括：收集电网相关内容整理电网语料；根据电网语料构建并训练自然语言处理模型；基于自然语言处理模型进行电网知识抽取，并将抽取结果存入图结构数据库。本发明可以应有效抽取电网知识，构建电网领域的知识图谱，为后续的知识图谱应用提供支持保障。

技术领域

本发明涉及一种电网知识图谱构建方法及其系统，属于电网知识图谱技术领域。

背景技术

电网包含发电、输电和配电三大环节，整个物理结构就是一个庞大且复杂的网络，由于电网物理结构的特性，采用图数据结构创建电网数据模型是非常贴合的，而且图数据结构不存在关联外键，由关系节点之间关联，性能较传统数据结构具有巨大提升。

知识图谱是一个技术体系，包含多种技术如知识表示、知识抽取、知识推理、知识检索等等，知识图谱可用于问答系统、逻辑校核和智能搜索等场景。目前，市面上针对电网领域的知识图谱构建很少，只有阿里巴巴推出了一个电网场景知识图谱构建工具，但是该工具严重依赖电网技术专家，在使用中需要专家纠错，且只针对部分类文本数据场景，没有收集电网领域内数据，没有做相关基础语言模型训练，没有整理庞大但是精度有保障的结构化关系型数据，所以实用性相对较低。

发明内容

针对现有技术中电网技术领域缺乏实用、高效的知识图谱构建工具的问题，本发明提出了一种电网知识图谱构建方法及其系统，充分考虑电网中各类数据的情况，对电网文本类业务数据、理论知识类数据和关系型数据分别进行收集抽取，构建实用化的电网领域知识图谱。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提出了一种电网知识图谱构建方法，具体包括如下步骤：

S1、收集电网相关内容整理电网语料；

S2、根据电网语料构建并训练自然语言处理模型；

S3、基于自然语言处理模型进行电网知识抽取，并将抽取结果存入图结构数据库。

结合第一方面，进一步的，所述步骤S1具体包括如下步骤：

S11、构建专业名词类字典，所述字典包括电网机构、电网专业、问答素语、属性特征、对象关系字典；

S12、收集并整理电网理论知识类文档、电网调度类操作日志、电网调度类预案类文档和安全操作规范，生成电网文本类语料；

S13、整理电网同义词语料，确定电网领域的属性同义词和替换类同义词。

结合第一方面，进一步的，所述自然语言处理模型包括N-gram模型、LSTM+CRF模型、Word2vec模型和deepwalk模型。

结合第一方面，进一步的，所述步骤S3具体包括如下步骤：

S31、获取待处理的电网数据，将其分为结构化关系型数据和非结构化文本类数据；

S32、基于Spark处理结构化关系型数据，进行知识抽取并将抽取结果存入图结构数据库；

S33、基于自然语言处理模型处理非结构化文本类数据，进行知识抽取并将抽取结果存入图结构数据库。

结合第一方面，进一步的，所述步骤S32的具体操作如下：

S321、从结构化关系型数据中选取关系表，逐一设置每个关系表的表名和关系表别名集；

S322、选择关系表属性，设置属性名称和属性别名集；

S323、选择关系表外键，设置关系名称和关系别名集，并设置关系指向方向以及是否需要反向；