[发明专利]一种基于自然语言理解的设备故障定位方法

权利要求书

1.一种基于自然语言理解的设备故障定位方法，其特征在于，所述方法包括：

获取历史故障数据，根据所述历史故障数据建立标准故障数据库；根据所述标准故障数据库，构建故障描述表和故障类别关系对应表；

根据故障描述表和故障类别关系对应表，基于深度学习的方法构建分类模型，并利用分类模型进行故障类别分类。

2.根据权利要求1所述的方法，其特征在于，基于深度学习的方法构建分类模型，具体包括:

将标准故障数据库的历史故障数据输入分类模型，以便作为分类模型的训练数据，训练分类模型，不断优化分类模型参数。

3.根据权利要求1所述的方法，其特征在于，分类模型包括基于注意力机制的文本分类算法分类器。

4.根据权利要求1所述的方法，其特征在于，根据所述标准故障数据库，构建故障描述表和故障类别关系对应表，具体包括：

依据先验规则，对所述标准故障数据库中的历史故障数据进行数据抽取建模与入库操作，构建故障描述表和故障类别关系对应表。

5.根据权利要求1所述的方法，其特征在于，标准故障数据库中包含产品代号、故障描述、故障部位、故障发生时间、故障原因、纠错措施和故障定位信息。

6.根据权利要求1所述的方法，其特征在于，根据所述标准故障数据库，构建故障类别关系对应表，具体包括：

基于先验规则，构建故障类别关系对应表。先验规则依据设备原理和专业人员的维修经验，由人工标注产生。

7.根据权利要求1所述的方法，其特征在于，通过对标准故障数据库中的数据进行聚类，并对按类标聚类后每一类故障数据中归纳整理得到故障描述表，具体包括：

针对已抽取的故障描述表，利用结巴分词，对故障数据进行分词操作，得到故障描述文本特征；

利用TF-IDF计算关键词权重，得到故障描述样本的向量化表示，用于进行聚类操作。

8.根据权利要求1所述的方法，其特征在于，故障描述表为经过聚类抽取后具有代表性的典型故障数据。

9.根据权利要求1所述的方法，其特征在于，故障类别关系表为基于先验规则人为制定的故障标签与故障描述对应表。