[发明专利]基于TextRank算法的输变电设备缺陷词库建立方法及系统

说明书

技术领域

本发明涉及的是一种基于TextRank算法的输变电设备缺陷词库建立方法及系统。

背景技术

输变电设备的安全运行是整个电网运行的基础，对设备能够进行全面、准确的分析和判断，是输变电设备状态检修和全生命周期管理的一个前提。目前对电力设备的缺陷分析，通常是人工或者半智能的通过字符串比对等方法进行，缺乏更有效、更智能的分析手段，导致人工工作量大，同时分析结果具有主观性，无法体现设备缺陷的关联性，从而无法对设备的缺陷进行更进一步的分析。

随着智能电网的发展，电力行业也步入到了“大数据的时代”，各项数据挖掘的技术也在电力设备的状态评估中应用开来，但是作为能够反映输变电设备状态的缺陷，由于存储在数据库中的数据通常为人工填写，数据缺乏规范性，故做数据分析时存在难度。

发明内容

本发明的目的就是为了解决上述问题，提出了一种基于TextRank算法的输变电设备缺陷词库建立方法及系统，该方法及系统通过开源的TextRank算法对输变电设备的缺陷数据进行关键字提取，然后建立缺陷词库。

为了实现上述目的，本发明采用如下技术方案：

一种基于TextRank算法的输变电设备缺陷词库建立方法，包括：

(1)把给定的输变电设备缺陷文本T按照完整句子进行分割，将文本T分为m个子句子，即T＝[S₁,S₂,···,S_m]；

(2)对于任何一个子句子S_i∈T，进行分词处理和词性标注处理，只保留指定词性的单词，即S_i＝[t_i,1,t_i,2···t_i,m]，其中t_i,j∈S_j是保留后的候选关键词；

(3)构建候选关键词图G＝(V,E)，其中V为节点集，由步骤(2)中生成的候选关键词组成；E为图的边集合，E是V×V的子集；对于一个给定的点V_i，lnV_i为指向该点的点集合，点V_i指向的点集合表示为Out(V_i)；

(4)采用共现关系构造任两个节点之间的边，设置滑动窗口为K，如果两个节点对应的词汇在长度为K的窗口中共现，则两个节点之间存在边；

(5)采用TextRank算法对传播各节点的权重进行迭代，直至其收敛，得到每个节点的权重分值；

(6)对各节点权重分值进行倒序排序，从而得到最重要的T个单词，构建缺陷词库。

进一步地，所述步骤(2)中，采用分词器实现分词处理和词性标注处理。

进一步地，在构建有向有权图时，只筛选设定词性的词作为节点，同时删除停用词。

进一步地，所述步骤(5)的具体方法为：

构建有向有权图G＝(V,E)，其中，V为节点集，E为图的边集合，E是V×V的子集；

设W_ji为在图中任两个节点V_i，V_j之间边的权重；

对于一个给定的点V_i，lnV_i为指向该点的点集合，点V_i指向的点集合表示为Out(V_i)；

其中点V_i的得分权重定义如下所示：

其中，d为阻尼系数，代表从图中某一特定点指向其他任意点的概率，取值范围为0到1；

计算各节点权重的时候，给图中的节点指定任意的初值，然后递归计算直到权重结果收敛。

进一步地，所述步骤(6)中，对得到的最重要的T个单词，在原始文本中进行标记，若形成相邻词组，则组合成多词关键词。

本发明还公开了一种基于TextRank算法的输变电设备缺陷词库建立系统，包括：

用于把给定的输变电设备缺陷文本T按照完整句子进行分割，将文本T分为m个子句子装置；

用于对任何一个子句子，进行分词处理和词性标注处理的装置；

用于构建候选关键词图的装置；

用于采用共现关系构造任两个节点之间的边的装置；

用于采用TextRank算法对传播各节点的权重进行迭代，直至其收敛，得到每个节点的权重分值的装置；

用于对各节点权重分值进行倒序排序，从而得到最重要的T个单词，构建缺陷词库的装置。