[发明专利]面向继电保护的主题词识别方法、装置、存储器及设备

权利要求书

1.面向继电保护的主题词识别方法，其特征在于，包括：

将继电保护知识文本切分成一系列的词，对所得到的词进行筛选得到候选词；

对所述候选词进行评分，基于评分从候选词中抽取主题词；

对抽取的主题词进行修正，得到继电保护主题词。

2.根据权利要求1所述的面向继电保护的主题词识别方法，其特征在于，所述将继电保护知识文本切分成一系列的词，包括：

采用汉语语言模型N-Gram对继电保护知识文本进行切分，得到一系列字串，一个子串为一个词。

3.根据权利要求1所述的面向继电保护的主题词识别方法，其特征在于，所述对所得到的词进行筛选得到候选词，包括：

同时满足以下四个条件时，词为候选词：

词的内凝聚度得分大于内凝聚度门槛值；

词的左、右邻词信息熵大于左、右邻词信息熵门槛值；

词的种子词包含大于种子词包含门槛值；

词的词长大于词长门槛值。

4.根据权利要求3所述的面向继电保护的主题词识别方法，其特征在于，所述词的内凝聚度得分计算如下：

其中，Score_IC(X)表示词X的内凝聚度得分，x_i是词X中的第i个字符，P(·)表示词在文本中出现的概率；

所述种子词包含计算为：预设短专业词作为种子词，词中包含种子词的个数为种子词包含；

所述词长为词的长度。

5.根据权利要求3所述的面向继电保护的主题词识别方法，其特征在于，所述内凝聚度门槛值的取值范围为50至200之间；所述左、右邻词信息熵取值为0.5；所述种子词包含门槛值取值为1；所述词长门槛值取值为2。

6.根据权利要求1所述的面向继电保护的主题词识别方法，其特征在于，对所述候选词进行评分，基于评分从候选词中抽取主题词，包括：

采用以下两种方式抽取主题词，并对两种方式下抽取的主题词通过加权投票的方式进行评分并排序，选取评分最高的k条候选词作为主题词；其中，

方式一：

计算各候选词在所在文本的TF-IDF值；

对每个文本，将候选词根据TF-IDF值由高到低进行排序，选择排序最前，占比为20％的候选词作为该文本的候选主题词；

将所有文本抽取的候选主题词进行汇总，作为继电保护知识文本候选主题词；

方式二、

计算各候选词在所在文本中的位置；

计算各候选词与上下文的相关性；

计算各候选词在不同句子中出现的次数；

当计算结果均超过预设阈值时，候选词为继电保护知识文本候选主题词。

7.根据权利要求6所述的面向继电保护的主题词识别方法，其特征在于，

所述各候选词在所在文本中的位置由候选词与所在文本开头的字符距离计算得到；

所述各候选词与上下文的相关性由上下文中与候选词同时出现的不同候选词的数量表示。

8.根据权利要求1所述的面向继电保护的主题词识别方法，其特征在于，所述对抽取的主题词进行修正，包括：

采用训练好的Skip-Gram模型将所抽取的主题词映射为向量；

对用词向量表示的主题词通过K-Means算法进行聚类，选取距离聚类中心最近的N个主题词作为继电保护主题词。

9.面向继电保护的主题词识别装置，其特征在于，包括：

选择模块，用于将继电保护知识文本切分成一系列的词，对所得到的词进行筛选得到候选词；

抽取模块，用于对所述候选词进行评分，基于评分从候选词中抽取主题词；

以及，

修正模块，用于对抽取的主题词进行修正，得到继电保护主题词。