[发明专利]用于设备缺陷分类的实现方法及系统

说明书

本发明涉及设备缺陷数据分析领域，为用于设备缺陷分类的实现方法及系统，其方法包括：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；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；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；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；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。本发明首先根据已标注的设备缺陷数据训练通用的缺陷分类模型，再利用该模型对未标注的设备缺陷数据进行预测，能够快速准确的实现缺陷分类，为数据分析应用实时响应奠定基础。

技术领域

本发明涉及设备缺陷数据分析领域，具体涉及用于设备缺陷分类的实现方法及系统。

背景技术

企业信息系统存储着大量的设备缺陷数据，此数据日积月累，已成为公司重要的数据资产。企业管理由原先的粗放式管理逐步转化为精细化管理，设备管理部门需通过设备的历史缺陷来管理供应商的供货质量，制定设备巡检计划和设备防护措施来避免设备缺陷的发生，从而达到设备管理的精细化管理。由于设备类别众多，设备缺陷数据存在数据填写不规范、存在歧义、填写内容无实际价值等特点，给设备管理部门对该缺陷数据的利用率不高。目前设备管理部门使用设备缺陷数据时，主要是通过人工标注来实现，而人工标注耗时耗力，标注易出错，对设备缺陷数据的分析应用带来很大的困难。

发明内容

本发明提出用于设备缺陷分类的实现方法来解决上述现有技术所存在的问题，首先根据已标注的设备缺陷数据训练通用的缺陷分类模型，再利用该模型对未标注的设备缺陷数据进行预测，能够快速准确的实现缺陷分类，为数据分析应用实时响应奠定基础。

本发明还提出用于设备缺陷分类的系统。

本发明用于设备缺陷分类的实现方法，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。

基于相同的发明构思，本发明用于设备缺陷分类的系统，包括：

数据预处理模块，用于获取文本数据，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；

模型训练模块，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；

模型优化模块，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；

模型预测模块，基于BERT模型对设备缺陷数据进行预测，得到设备缺陷分类结果。

预测结果优化模块，基于缺陷类型对应的关键词库对模型预测的结果进行二次优化，输出最终的分类结果。

与现有技术相比，本发明提出的技术方案取得的技术效果包括：

本发明首先利用BERT模型对已标注的设备缺陷数据进行模型训练，然后对未标注的设备缺陷数据进行模型预测，从而提高数据清洗效率，为开展数据分析应用实时响应奠定基础。

附图说明

图1为本发明实施例中基于BERT模型实现缺陷类型分类的整体流程图；