[发明专利]多语种告警信息类别判定方法、系统、设备及存储介质

说明书

本发明属于自然语言处理领域，公开了一种多语种告警信息类别判定方法、系统、设备及存储介质，包括以下步骤：获取待分类多语种告警信息；将待分类多语种告警信息通过预设的字词库编码为编码序列；将编码序列输入预设的高维语义特征提取模型，得到高维语义特征向量；将高维语义特征向量输入预设的告警类型分类模型，得到待分类多语种告警信息的告警类型。消除了多语种告警信息中的中文、英文以及数字在形式上的差异性，只保留了他们在语义上的关联性，能够通过单个高维语义特征提取模型对多语种告警信息提取语义特征，并能借助于告警信息分类模型实现对多语种告警信息的分类，有效提升对多语种告警信息类别判定的准确性。

技术领域

本发明属于自然语言处理领域，涉及一种多语种告警信息类别判定方法、系统、设备及存储介质。

背景技术

分散式控制系统作为火电厂的大脑，需要实时监控火电厂发电设备的运行状态，以及控制系统本身的下位机卡件以及控制器运行状态，如果设备、卡件以及控制器发生异常，控制系统上位机需将告警信息记录下来。实际中，由于能够产生告警的设备数量巨大，使用中有大量告警信息会被记录下来，为了合理应用这些告警信息，需要根据实际告警类型进行告警信息的划分。

信息分类是一个自然语言处理领域的问题，通常都是以单词为单位对英文句子进行处理。但是，在告警信息分类时，告警信息大部分同时包含英文和中文以及数字，涉及到多语种问题，导致现有的分类方法达到的分类准确性较差。

发明内容

本发明的目的在于克服上述现有技术中，多语种告警信息分类的分类准确性较差的缺点，提供一种多语种告警信息类别判定方法、系统、设备及存储介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，一种多语种告警信息类别判定方法，包括以下步骤：获取待分类多语种告警信息；将待分类多语种告警信息通过预设的字词库编码为编码序列；将编码序列输入预设的高维语义特征提取模型，得到高维语义特征向量；将高维语义特征向量输入预设的告警类型分类模型，得到待分类多语种告警信息的告警类型。

本发明多语种告警信息类别判定方法进一步的改进在于：

所述字词库通过如下方式构建：获取历史多语种告警信息；统计历史多语种告警信息中出现的汉字、各汉字出现的次数、出现的英文单词以及各英文单词出现的次数；将出现次数大于预设次数的汉字、出现次数大于预设次数的英文单词、10个阿拉伯数字、UNK、BOS以及EOS均作为字词库元素；将各字词库元素从1开始进行统一编码，得到各字词库元素的编码；将各字词库元素及各字词库元素的编码组合，得到字词库。

所述将待分类多语种告警信息通过预设的字词库编码为编码序列的具体方法为：将待分类多语种告警信息中的，且包含在字词库中的汉字、英文单词以及阿拉伯数字，采用字词库中对应的字词库元素的编码替换；将待分类多语种告警信息中的，且未包含字词库中的汉字或英文单词采用字词库中UNK的编码替换；采用字词库中BOS的编码作为编码序列的开始，采用字词库中EOS的编码将编码序列截断或补充为固定长度，得到编码序列。

所述将编码序列输入预设的高维语义特征提取模型，得到高维语义特征向量的具体方法为：获取编码序列中各编码的one-hot向量，并依次将各编码的one-hot向量与预设的词嵌入矩阵相乘后输入预设的高维语义特征提取模型；将高维语义特征提取模型最后时刻的细胞状态，作为高维语义特征向量。

所述高维语义特征提取模型通过如下方式构建：获取历史多语种告警信息；将历史多语种告警信息通过预设的字词库编码为历史编码序列；通过历史编码序列训练预设的长短时记忆网络模型，得到高维语义特征提取模型。