[发明专利]一种设备状态的评估方法、装置、计算机设备和存储介质

权利要求书

1.一种设备状态的评估方法，其特征在于，所述方法包括：

获取用户针对设备提交的状态描述信息；

获取所述状态描述信息对应的多个文本特征信息；

当所述文本特征信息包括词向量时，获取与所述词向量对应的第一初级分类模型；所述第一初级分类模型根据具有故障类型标签的多个词向量对卷积神经网络进行训练得到；

当所述文本特征信息包括词频逆文档频率时，获取与所述词频逆文档频率对应的第二初级分类模型；所述第二初级分类模型根据设备故障导则对分类模型进行训练得到；

当所述文本特征信息包括句向量信息时，获取与所述句向量信息对应的第三初级分类模型；所述第三初级分类模型用于将所述句向量信息与设备故障导则进行语义相似度匹配，并根据匹配结果确定状态分类概率值；其中，多个初级分类模型分别用于根据文本特征信息预测所述设备的状态为预设故障类型的概率值；

将所述多个文本特征信息分别输入对应的初级分类模型中，得到对应的初级分类模型输出的状态分类概率值；

将多个状态分类概率值输入至次级分类模型，得到所述次级分类模型输出的设备状态评估结果；所述次级分类模型通过对所述多个初级分类模型进行模型融合后得到，所述次级分类模型用于根据所述多个初级分类模型输出的状态分类概率值确定设备状态评估结果。

2.根据权利要求1所述的方法，其特征在于，所述状态描述信息用于描述设备状态。

3.根据权利要求2所述的方法，其特征在于，所述设备状态包括对运行状态下或静止状态下的设备进行观察后确定的状态，或者，通过检测仪器对设备进行检测后确定的状态。

4.根据权利要求2所述的方法，其特征在于，所述获取所述状态描述信息对应的多个文本特征信息，包括：

获取预先训练的词向量模型的模型参数；所述词向量模型根据多个电网文本信息对预训练语言模型进行微调得到；

根据所述模型参数，确定所述状态描述信息对应的词向量。

5.根据权利要求4所述的方法，其特征在于，还包括：

获取电网垂直领域中的多个电网文本信息；

对多个电网文本信息的语序进行调整，得到符合自然语言规则的多个电网训练文本信息；

根据所述多个电网训练文本信息，对预设的预训练语言模型进行微调，得到词向量模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述多个电网训练文本信息，对预设的预训练语言模型进行微调，得到词向量模型，包括：

将所述多个电网训练文本信息输入到预设的预训练语言模型，得到所述预训练语言模型输出的上下文预测结果；

根据所述多个电网训练文本信息和所述上下文预测结果，确定所述预训练语言模型当前的损失函数；

根据所述损失函数对所述预训练语言模型的模型参数进行调整，直到满足所述预训练语言模型的训练结束条件，得到所述词向量模型。

7.根据权利要求3所述的方法，其特征在于，还包括：

获取预设的设备故障导则，以及所述设备故障导则对应的故障类型和词频逆文档频率；

采用所述故障类型和词频逆文档频率对分类模型进行训练，得到第二初级分类模型。