[发明专利]电力数据伦理知识图谱构建方法和系统

说明书

本申请适用于知识图谱技术领域，提供了一种电力数据伦理知识图谱构建方法和系统，该方法包括：获取多模态的电力数据，电力数据包括非结构化数据，非结构化数据包括第一文本数据，第一文本数据包括数据伦理的政策文件和法律法规；基于实体识别模型对非结构化数据进行实体抽取，获得候选实体集，候选实体集包括多个候选实体；对候选实体集中的每个候选实体进行实体对齐，获得实体集，实体集中的每个实体为知识图谱的一个节点。本申请可以规避电力数据的隐私泄露问题和数据安全问题，使电力数据合理、高效、规范的服务于人们生产和生活。

技术领域

本申请属于知识图谱技术领域，尤其涉及电力数据伦理知识图谱构建方法和系统。

背景技术

电力数据涉及电力的生产、传输、分配、调度以及使用等全部环节，服务对象包括企业和个人，具有实时性强、准确性高的特点。电力数据的量级已经达到PB级，海量的电力大数据资源产生巨大的社会价值的同时，也带来极大的数据伦理风险。因此，需要在符合法律、法规、数据安全及数据伦理的框架下，发挥电力数据的积极作用。

目前，对大数据使用的数据伦理规范以法律、法规、白皮书等文本形式出现，而这些文件中，并未明确具体地描述对数据伦理约束的方法，在实际操作过程中的执行尺度也不一致。

因此，亟需一种针对电力数据的伦理知识图谱构建方法和系统，规避电力数据的隐私泄露和数据安全问题，使电力数据合理、高效、规范的服务于人们生产和生活。

发明内容

为克服相关技术中存在的问题，本申请实施例提供了电力数据伦理知识图谱构建方法及系统，用于规避电力数据的隐私泄露和数据安全问题，使电力数据合理、高效、规范的服务于人们生产和生活。

本申请是通过如下技术方案实现的：

第一方面，本申请实施例提供了一种电力数据伦理知识图谱构建方法，应用于电力数据中台，包括：获取多模态的电力数据，电力数据包括非结构化数据，非结构化数据包括第一文本数据，第一文本数据包括数据伦理的政策文件和法律法规；基于实体识别模型对非结构化数据进行实体抽取，获得候选实体集，候选实体集包括多个候选实体；对候选实体集中的每个候选实体进行实体对齐，获得实体集，实体集中的每个实体为知识图谱的一个节点。

在第一方面的一种可能的实现方式中，电力数据还包括结构化数据和半结构化数据，非结构化数据还包括音频数据、图片数据和视频数据。获取多模态的电力数据，具体包括：基于电力数据中台获取电力业务系统上的结构化数据，结构化数据包括电力营销系统数据库表、电力生产系统数据库表以及电力物资系统数据库表。采用爬虫技术获取网络上数据伦理的半结构化数据，基于电力数据中台获取电力数据中台的系统日志文件的半结构化数据。通过收集数据伦理的政策文件和法律法规，获得第一文本数据的非结构化数据，通过采集电力客服和电力用户的通话录音，获得音频数据的非结构化数据，通过采集电力用户在电力数据中台上的图片记录，获得图片数据的非结构化数据，通过采集电力用户在电力数据中台上的视频记录，获得视频数据的非结构化数据。

在第一方面的一种可能的实现方式中，方法还包括基于多模态的电力数据，构建电力数据伦理知识的本体库。构建电力数据伦理知识的本体库，包括：基于电力数据类型和预设电力数据伦理分类，构建多个电力数据伦理本体，电力数据伦理本体包括用电个人用户隐私、用电企业用户隐私、用电数据安全以及科研数据，预设电力数据伦理分类包括隐私泄露类和数据安全类；对多个电力数据伦理本体进行语义描述，构建电力数据伦理知识的本体库。

在第一方面的一种可能的实现方式中，在基于实体识别模型对非结构化数据进行实体抽取前，本申请技术方法还包括：采用语音识别技术将音频数据转换为第二文本数据；采用机器视觉技术识别图片数据中的第三文本数据和第一图像实体；采用语音识别技术和机器视觉技术识别视频数据中的敏感目标，获取第四文本数据和第二图像实体；采用结巴分词模型对第一文本数据、第二文本数据、第三文本数据和第四文本数据按照中文语法进行词语划分；构建三元组特征模板，三元组特征模板为实体、关系和实体的形式。