[发明专利]基于信息抽取技术的电力频繁停电工单信息抽取方法及系统

权利要求书

1.基于信息抽取技术的电力频繁停电工单信息抽取方法，其特征在于，包括以下步骤：

S1、清洗处理工单文本；

S2、标注工单样本中的停电信息描述文本，基于命名实体识别技术，定位描述停电信息的起始位置，并抽取停电信息描述文本；

S3、分析停电信息编号和故障报修单号的编排规律，基于正则表达式和数据库技术抽取停电信息编号、故障报修单号；

S4、基于文本分类技术，对停电信息进行分类，判定每条停电信息的停电类型、停电子类、停电原因，并进一步判断责任部门；

S5、分析电压等级字段、停电次数的在工单文本中的描述特点，基于正则表达式抽取电压等级和停电次数字段；

S6、分析停电时间在工单文本中的书写模式，抽取停电开始及结束时间，并进一步判断该工单是否属于密集停电情况；

步骤S2包括：

S21、获取历史工单，对工单样本中的停电信息描述文本进行标注，得到标注样本；

S22、使用词嵌入技术进行词向量训练，得到词向量矩阵；

S23、利用标注样本和词向量矩阵，采用BiLSTM+CRF算法训练命名实体识别模型，并利用训练好的命名实体识别模型识别停电信息；

步骤S4包括：

S41、将命名实体识别模型识别的停电信息作为样本数据，人工根据业务经验标注出其具体的停电类型、停电子类、停电原因；

S42、构建电力诉求专业词库，结合分词算法对文本进行分词处理，实现未登录词的准确分词；

S43、根据词向量矩阵，实现输入词的向量转化，作为SVM算法的输入；

S44、将转化成词向量的文本数据，输入到SVM算法中，采用K折交叉验证，不断迭代模型，根据模型的分类准确率，调整模型的各项参数，最终确定模型的最佳参数，得到电力诉求工单自动分类模型；

S45、结合应用需要，根据停电类型和停电原因，判断此次停电的责任部门。

2.根据权利要求1所述的电力频繁停电工单信息抽取方法，其特征在于，步骤S22中采集数百万条电力系统的历史工单文本数据，利用word2Vec算法中的CBOW模型训练词向量。

3.根据权利要求1所述的电力频繁停电工单信息抽取方法，其特征在于，步骤S23中命名实体识别模型包括：

数据输入层，输入的文本经分词后，成为序列数据，在数据输入层将根据步骤S22训练出来的词向量矩阵，转化为对应的向量，输入下一层由BiLSTM模型提炼特征；

特征提取层，构建BiLSTM模型，自动抽取观测序列的特征表征，输入到下一层进行CRF模型训练；

模型训练层，输入特征提取层传输过来的特征，输出对各文本节点的标记判断，调整参数训练CRF模型直至收敛。

4.根据权利要求1所述的电力频繁停电工单信息抽取方法，其特征在于，步骤S44中SVM算法从训练集和样本空间中找到一个最好的划分超平面，将样本分割开来；在样本空间中，划分超平面可用ω^Tx+b＝0表示，其中样本ω＝(ω₁,ω₂,...ω₃)为法向量，b为位移项，决定超平面与原点之间的距离；样本空间中任意点x到超平面的几何间隔可表示为：

求得几何间隔最大的分离超平面作为最好的划分超平面，几何间隔最大表达的数学公式为：

s.t.y_i(ω^Tx_i+b)＞＝1,i＝1,2,...m

其中ω^T为法向量ω的转置。

5.根据权利要求1所述的电力频繁停电工单信息抽取方法，其特征在于，步骤S3包括：

S31、基于正则表达式提炼、筛选疑似停电信息编号和故障报修单号的数字串；

S32、将步骤S31筛选出来的数字串，与电力数据库中的停电信息编号和故障报修单号做比对，剔除不在数据库中的数字串。