[发明专利]基于语义框架的电网缺陷文本挖掘方法

摘要

本发明涉及基于语义框架的电网缺陷文本信息挖掘方法。挖掘电网缺陷文本中的特征信息，用于实现各种缺陷自动统计需求。现有的统计方法基于人工，不仅费时费力，而且正确率受主观影响大。本发明首先进行缺陷文本句法结构知识提取和本体字典构建；然后运用语义槽填充方法，将缺陷文本的关键词填入语义槽；接着利用语义关联度算法将乱序的槽整合为语义框架；最后，进行词串合并，实现语义框架的精简。语义框架构建完成后，可方便地实现不同需求的缺陷自动统计。本发明对缺陷文本的统计准确率高，应用方便。

主权项

1.基于语义框架的电网缺陷文本挖掘方法，其特征在于该方法包括以下步骤：步骤1：分词；采用基于隐马尔科夫模型对缺陷文本进行分词；步骤2：词频特征提取；对分词结果进行词频统计，从高频到低频对词语排序，并剔除符号、人名、地名；步骤3：共现特征提取；Pb、Ps、A、C四槽共同出现的情况不多，缺陷文本中大部分的语义框架都存在缺槽现象，非核心槽Pb与C常常缺失，核心槽Ps与A总是存在；其中Pb、Ps、A、C为语义槽，分别表示设备大部件、小部件、缺陷属性和缺陷程度，这四个语义槽构成一个完整语义框架；步骤4：词位特征提取；四个槽的位置顺序具有很强的规律性，排列顺序为Pb‑Ps‑A‑C，Pb‑Ps‑C‑A；步骤5：构建本体字典；参考国标、导则和相关规程，对高频词进行筛选、分类，基于本体论构建字典；上述步骤1‑5是对所有历史缺陷文本进行综合处理，实现缺陷文本句法结构知识的获取和本体字典的构建；步骤6：槽填充；基于本体字典，提取文本中的有意义词，填入槽中，并记录词位信息；其中，词位信息是指某词首字之前的所有字符数目；有意义词分为本体字典中的词条和数字两类，数字一律填入C槽；步骤7：语义框架构建；利用近距离匹配方法，根据语义关联度进行各类槽之间的匹配；语义框架由经过匹配的槽构成，考虑到槽缺失的情况，一个语义框架可能包含2~4个槽；步骤8：词串合并；在一个语义框架中，连续的Ps槽合并为一个新的Ps槽，同时，新的Ps作为有意义字串加入本体字典；上述步骤6‑8是对每一条具体缺陷文本进行处理，通过槽填充、语义框架构建和词串合并功能，实现缺陷文本中关键缺陷信息的挖掘。