[发明专利]一种基于深度学习的电网故障处置预案语义建模系统及方法

权利要求书

1.一种基于深度学习的电网故障处置预案语义建模系统，其特征在于：它包括预案概念模型模块(1)、预案文本标记模块(2)、词向量模型构建模块(3)、预案实体识别模块(4)、预案关系抽取模块(5)、预案意图理解模块(6)、实体设备映射模块(7)和预案解析模块(8)，所述预案概念模型模块(1)用于定义故障处置预案实体类别和实体关系，并给出实体类别和实体关系的表示方式；所述预案文本标记模块(2)根据所述预案概念模型模块(1)定义的预案实体类别和实体关系的表示方式，对历史故障处置预案文本中的实体类别和实体关系进行标记，并根据标记结果中的触发词成分，将历史故障处置预案文本数据转化为多个处置片段的标签数据；所述词向量模型构建模块(3)使用电力领域专业词汇数据集，构建电力领域词向量模型，用于将历史故障处置预案或待提取故障处置预案文本数据转化为历史故障处置预案或待提取故障处置预案词向量数据；所述预案实体识别模块(4)使用所述预案文本标记模块(2)输出的历史故障处置预案多个处置片段的标签数据及所述词向量模型构建模块(3)输出的历史故障处置预案词向量数据，基于深度学习模型建立预案实体识别模型，用于对待提取故障处置预案文本中的实体成分进行提取；所述预案关系抽取模块(5)使用所述预案文本标记模块(2)输出的历史故障处置预案中前置宾语、宾语和后置宾语这些特定实体的标签数据及所述词向量模型构建模块(3)输出的历史故障处置预案词向量数据，基于深度学习模型建立预案关系抽取模型，用于抽取待提取故障处置预案中前置宾语、宾语和后置宾语这些特定实体之间的主宾关系，重新组合生成完整宾语成分；所述预案意图理解模块(6)使用历史故障处置预案的意图类别标签数据及所述词向量模型构建模块(3)输出的历史故障处置预案词向量数据，基于深度学习模型建立预案意图理解模型，用于对待提取故障处置预案各处置片段的意图类别进行判定；所述实体设备映射模块(7)通过预案实体识别模块(4)和预案关系抽取模块(5)提取故障处置预案文本中的独立实体宾语成分，对独立实体宾语成分进行映射标准化，通过预案意图理解模块(6)获得独立实体宾语成分所属意图类别，基于意图类别确定设备类型表的选择，基于文本相似度计算的方式，实现所提取的独立实体宾语成分与设备类型表中标准名称映射，获取设备标准名称；所述预案解析模块(8)基于词向量模型、预案实体识别模型、预案关系抽取模型、预案意图理解模型和实体设备映射模块(7)完成待提取故障处置预案解析工作；

所述实体类别包括独立实体和触发词实体；所述实体关系包括独立实体与独立实体之间的关系和独立实体与触发词实体之间的关系，所述独立实体与独立实体之间的关系包括前置实体关系和后置实体关系，所述独立实体与触发词实体之间的关系包括主语关系、宾语关系、宾补关系、状语关系、触发词同位关系和条件关系；

所述预案文本标记模块(2)的具体实现方法为：

根据所述预案概念模型模块(1)定义的预案实体类别和预案实体关系，得到故障处置预案中的实体类别和实体关系匹配信息，以触发词实体为核心，以由该触发词控制的独立实体共同构成一个完整的处置片段，利用BIO标记法结合所述预案概念模型模块(1)定义的实体类别及实体关系的表示方式，将故障处置预案中的实体成分分类表示，并转换成标签数据；

当故障处置预案中的触发词实体没有控制任何独立实体时，对这种类型的触发词实体进行单独处理，将这种类型的触发词实体表示方式转换成标签数据：使用“NA”表示无需提取的触发词实体，“B-NA”表示抑，具体表示方式为：制触发词提取开始部分，“I-NA”表示抑制触发词提取其它部分；

所述词向量模型构建模块(3)的具体实现方式为：使用电网调度规程、电网故障处置细则、电网故障预案和电网作业指导书中提炼出的电力领域专业词汇数据集，训练word2vec语言模型，在对word2vec语言模型建模过程中，通过不断自学习调整word2vec语言模型权重参数，使得word2vec语言模型能够较好地适应电力领域专业词汇，使用训练好的word2vec语言模型权重参数构建电力领域词向量模型，用于故障处置预案文本的向量化处理，将故障处置预案文本数据转化为故障处置预案词向量数据。