[发明专利]一种适用于继电保护装置缺陷分析的专业词典构建方法

权利要求书

1.一种适用于继电保护装置缺陷分析的专业词典构建方法，其特征在于，所述方法包括：

步骤1、继电保护缺陷记录文本数据预处理；

步骤2、继电保护缺陷记录停用词表构建；

步骤3、继电保护缺陷记录文本分词；

步骤4、继电保护缺陷记录同义词合并。

2.根据权利要求1所述一种适用于继电保护装置缺陷分析的专业词典构建方法，其特征在于，在所述步骤1中，文本数据预处理包括文本数据清洗和缺陷文本划分：

文本数据清洗包括删除重复缺陷记录、空白缺陷记录等无意义数据，缺陷文本划分需按照缺陷等级将缺陷文本分为危急、严重、一般三部分，并将三组文本转换为txt格式存储用于后续分词处理。

3.根据权利要求1所述一种适用于继电保护装置缺陷分析的专业词典构建方法，其特征在于，在所述步骤2中，停用词表构建包括基于正则表达式提取缺陷装置信息、厂站名、输电线路名和人名等，具体地：

1）厂站名和线路名集合缺陷数据中的厂站名称和一次设备名称中提取，运用正则表达式的方法，去除其中的电压等级，将记录中的变电站和发电厂区分开，从中提取出所需的厂站名集合；

2）对于在文本记录中出现的保护型号，只从中提取“CSC”、“PSL”等表明发生故障的装置所属的序列；

3）采用人工识别的方式建立人名列表。

4.根据权利要求1所述一种适用于继电保护装置缺陷分析的专业词典构建方法，其特征在于，在所述步骤3中，文本数据分词经过两次分词，初次粗分词利用jieba分词，然后进行人工修正并对停用词进行补充完善，之后基于该次结果进行二次分词，获得质量更高的专业词典，其中，人工修正过程建立了相关的分词约束，具体如下：

1）对于出现的厂站，将具体名称替换为“变电站”、“发电厂”或“风电场”，出现的线路，将具体名称替换为“线路”，从而降低文本语料的特征空间维数，并且体现缺陷发生的地点属性；

2）专属实体名合并，例如故障/录波器、CPU/插件、重合/闸等；

3）不切分单字实词，例如光电/口、接线/头等，当作短语处理；

4）必要的虚词前后缀（尤其否定前缀），例如无/异常、不/影响等；

5）出现数字后，先判断其后一个词是否为有意义的时间、电流、电压等计量单位，若是，则保留；若不是，考虑直接删除。