[发明专利]用于设备缺陷分类的实现方法及系统

权利要求书

1.用于设备缺陷分类的实现方法，其特征在于，包括以下步骤：

步骤S1、获取文本数据，并对文本数据进行预处理，所获取的文本数据包括设备类别、缺陷描述信息和缺陷类型信息；

步骤S2、基于BERT模型对预处理后的文本数据进行训练，得到初始化BERT模型；

步骤S3、通过调整模型参数和修改样本标注数据对初始化BERT模型进行优化；

步骤S4、利用优化后的BERT模型对设备缺陷数据进行预测，得到设备缺陷分类结果；

步骤S5、基于约束规则对BERT模型预测后的结果进行二次优化，得到最终的分类结果。

2.根据权利要求1所述的实现方法，其特征在于，步骤S1包括：

S11、建立缺陷词库；

S12、将文本数据的内容按分隔符进行切分，切分后得到多个分段文本；

S13、判断切分后的各分段文本是否为有价值的内容描述；假如某分段文本不包含缺陷词库的描述，则该分段文本的内容被视为无价值的描述，将其舍弃；

S14、将有价值的分段文本重新组合，得到最终预处理后的文本数据。

3.根据权利要求1所述的实现方法，其特征在于，步骤S2包括：

S21、获取预处理后的文本数据，将缺陷类型信息按预设数量划分得到均匀分布的样本数据，将样本数据按比例分为训练集、验证集和测试集；

S22、将缺陷描述信息转换为BERT模型所需的特征向量，所述特征向量包括词向量、分段向量和位置向量；

S23、输入特征向量和相应的模型参数，用BERT模型对文本数据进行训练，得到文本数据的标签得分；

S24、根据设备类别和标签得分对分类结果进行优化；

S25、验证模型的准确率，并保存模型。

4.根据权利要求3所述的实现方法，其特征在于，步骤S4包括：

S401、获取原始数据，其数据字段包含设备类别、缺陷描述信息；

S402、读取缺陷词库，并将缺陷词库定义为一个集合P；

S403、读取缺陷描述信息转换后的特征向量，依据转换成向量的方法，把集合P的所有缺陷词库都转化为向量值；

S404、读取对文本数据预处理后需要预测的词语，对其进行向量化，定义集合Q；

S405、定义相关性算法，通过计算角度距离判断词语的相关性；

S406、针对需要预测的词语和缺陷词语进行逐个判断，找出相关性大的词语，然后通过反向溯源找到缺陷词语所在的句子；

S407、定义与出现在句子中的缺陷词库里的词语相关的词语作为相关词；

S408、根据相关词定义相关词的词库集合CP，并对词库集合CP进行向量化；

S409、针对句子拆分出来的词集合W，删除缺陷词库的集合P出现的词，把剩余的词与词库集合CP进行角度距离大小的计算；

S410、对某个句子，根据角度距离大小判断相关性，筛选出有接近相关性词语的词的句子；

S411、对缺陷词语的频度进行调查，统计出含有缺陷词语和相关性词语在一批句子中的频度。

5.根据权利要求4所述的实现方法，其特征在于，步骤S405的相关性算法计算如下：

式中P代表集合P里某个缺陷词的向量，Q代表集合Q里某个需要预测的词语的向量，β为P、Q两个向量的夹角。

6.根据权利要求4所述的实现方法，其特征在于，步骤S411中频度的统计方法为：

定义一个频度集合Z(F_i)，设出现缺陷词语的句子条数为n，这些出现缺陷词语的句子中含有多个相关缺陷词语个数为L，相关词在全文中出现的次数为num，所统计的句子总条数为fnum，被标记为告警级别和以上级别的句子条数为T，定义公式如下：

其中，i＝1，2，3，...，n，通过以上公式统计出含有缺陷和相关词语在一批句子中的频度Hertz_i。