混凝土坝施工文档实体知识智能挖掘方法

混凝土坝施工信息多以文档文本的形式呈现,其体量大、分布广、内在关系复杂,人工操作难以准确、高效地提取信息知识内容,理清错综复杂的施工信息关系.在自然语言处理技术中,命名实体是文本信息知识的载体,实现精确快速的实体识别是施工知识挖掘的重要前提.本文提出一种融合深度学习与关联规则技术的混凝土坝施工文档知识智能识别及挖掘分析...     

基于功能缺陷文本的电力系统二次设备智能诊断与辅助决策

利用电力系统二次设备功能缺陷文本数据,建立了基于双向长短时记忆网络与条件随机场(BiLSTM-CRF)模型的文本信息抽取模型.在此基础上,为了进一步将数据中蕴含的知识价值应用到电力系统生产、管理过程中,构建了电力系统二次设备功能缺陷知识图谱,将各类数据间所含语义信息融入各类实体间的关系约束,建立了基于BiLSTM-CRF模型与知识图谱的二次设备功能缺陷智能诊断与辅助决策平台.该平台可依据缺陷设备类型与缺陷现象快速诊断设备的缺陷部位及原因,并推荐合理的解决措施.算例分析结果表明,相较于传统的命名实体识别算法、BiLSTM-softmax以及Seq2Seq-Attention模型,所采用BiLSTM-CRF模型的精确率、召回率、F1值这3项评估指标均有较大提升,所建平台能很好地挖掘、应用电力文本数据知识与价值,为电力系统二次设备功能缺陷处理提供有益参考.     

面向电网调度领域的实体识别技术

近年随着电网调度领域数据自动化、智能化管理需求的日益增长,知识图谱成为提供知识管理、智能查询、辅助决策等功能的重要技术.实体作为构成知识图谱的核心要素,识别的准确率将直接影响知识图谱的质量.针对电网调度领域,首先分析电网调度实体识别研究现状,明确了实体识别任务目标,然后根据电网调度领域文本数据特征,设计了同时满足局部特...     

混凝土坝面作业场景智能识别ResNet50-SEMSF方法

为提高混凝土坝面作业场景识别工作效率,提出了一种混凝土坝面作业场景智能识别方法（ResNet50-SEMSF）。将采集的坝面施工现场监控视频分割为图像,分析混凝土坝面作业人、机、料、环境等实体要素图像特征,界定坝面作业典型场景;以残差网络（ResNet50）为骨干网络结构,引入挤压激励（SE）注意力机制,关注不同通道间特征关系,提升坝面作业场景图像中多目标实体要素关键特征表达能力;融合下采样多尺度特征,保留坝面作业场景图像低级特征和高级语义信息,增强模型对图像不同层次特征的理解能力,克服尺度变化、目标变形等问题。对比分析其他3种卷积神经网络模型试验结果,使用梯度类激活映射（Grad-CAM）可视化方法,解释ResNet50-SEMSF模型对场景类别中实体要素信息的关注程度。结果表明：ResNet50-SEMSF识别效果明显优于ResNet50、MobileNetV2、VGG16等经典网络模型,表明ResNet50-SEMSF模型用于混凝土坝面作业场景智能识别的可行性,为混凝土坝面施工安全管理工作提供参考。     

智能变电站继电保护智能运维系统自动配置技术研究

为提高继电保护智能运维信息采集配置的效率及正确性,提出一种基于知识图谱的智能运维系统信息采集自动配置技术。基于继电保护相关规范建立继电保护装置数据输出端口的标准化模型,依据专家知识按照IED类型建立智能运维系统信息采集点与继电保护装置标准化数据输出端口的关联关系,形成智能运维系统信息采集配置知识图谱本体。结合智能运维系统的历史配置数据进行知识学习,建立智能运维系统信息采集配置知识图谱。基于二次设备数据输出端口地址信息与继电保护装置数据输出端口的标准化模型的相似性计算,自动将二次设备数据输出端口地址匹配到标准信息端口地址实现知识融合,并引入CBOW模型增强语义理解,提高实体相似性算法的精度。实例验证结果表明,基于知识图谱的智能运维系统信息采集自动配置技术可有效提高智能运维系统配置效率,保证配置的正确性。     

面向风电机组运维的知识图谱构建研究与应用

规模化风机高频运维信息愈发呈现数据高维、类间互联、规模攀升的特点,传统人工孤岛式故障检修运维模式难以适应人机料法环一体式发展进程。针对风机全环节、全要素的主动运维要求,提出知识规则、主从设备、规范条例一体融合的风电机组运维知识图谱构建方法。利用图论文本关键词提取算法(TextRank)完成对风电专业运维文本的实体识别与关系抽取,用以提高特征词的提取精度。采用Neo4j图数据库构建风电安全管理规程图谱及风电设备运维图谱,实现多元数据的互联与可视,进而实现风电运维信息的智能化查询。应用上述方法构建了629个实体、742条关系类型的风机知识图谱。数据查询试验表明：该方法的精确率及召回率等主要指标均在89%以上,较传统数据库方法平均提升了6.5%。该方法建立了运维要求可视表达和类间任务关联。运维大数据的有效查询,将有助于节省双碳战略风电运维力量,提高运维智能化水平。     

基于知识图谱的电力检修方案智能编制方法

为了解决传统电力检修方案编制不规范、电力检修效率低的问题,提出基于知识图谱的电力检修方案智能 编制方法.采用改进传统知识图谱的创建方法,构建本体模型、实体模型和关系模型;利用关系将实体与实体、实体 与属性相连接,组合成三元组存入图数据库内,构建电网拓扑结构的知识图谱;依据构建好的知识图谱,建立设备图 元和电力检修数据库间的图库映射关系,生成电网检修基础数据;制定图形环境下的检修时间,采用启发式搜索法搜 索设备映射库中的缺陷记录,并将其与电网检修知识库相关联,进行数据规范化及填补,完成电力检修方案智能编 制.实验结果表明,该方法编制的数据报表更加工整规范,检修方案的设备整体搜索时间均在90ms以下,少于现有 方法的220ms以上,检索准确率在70％以上,高于其他方法的70％以下,召回率在50％以上,显著高于现有方法. 该方法提高了检修效率,且合理性及可执行性好.     

面向电网调控信息智能检索的知识图谱构建及应用

针对电网调控多维信息缺乏有效地检索手段,提出面向电网调控信息智能检索的知识图谱构建方法,基于深度学习识别调度运行规程关键信息间的语义关系,采用规则转换方法抽取电网模型信息,通过融合对象化的调度运行规程知识和电网模型知识建立调控信息知识图谱,同时提出基于知识图谱的调控信息智能检索应用方案。通过算例验证了所提方法具有较高的识别准确率,能够支撑不同场景下调控信息的智能检索。     

面向智能调控领域的知识图谱构建与应用

知识图谱技术作为一种能够描述客观世界中概念、实体间复杂关系的新方法,以强大的知识推理能力被广泛关注。调度控制中心是电网运行控制的中心枢纽,为了推动智能调控建设,结合知识图谱技术以及调控领域的具体情况,提出了面向智能调控领域的知识图谱构建方法。进而针对实际调度的需求,提出了用于支撑运行规则电子化、故障处置、倒闸操作、对话问答等应用场景的知识图谱应用方案。最后,构建了线路故障处置知识图谱,通过应用表明,所建立的知识图谱能够自动驱动线路故障处置流程,流程判定识别准确率较高,有效地降低了人工处置风险。     

基于ALBERT的电力变压器运维知识图谱构建方法与应用研究

当前电网数字化转型升级，且电力变压器智能健康管理技术快速发展，而在运维过程中存在信息关联性弱以及决策生成效率低的问题。目前，知识图谱在航天器运维等其他工业领域已有应用，知识查询效率显著提升。电力变压器运维领域鲜有知识图谱构建相关文献，且针对电力变压器运维领域公开数据较少、运维知识难以被有效挖掘的问题，该文提出一种基于ALBERT的电力变压器运维知识图谱构建方法。首先获取电力变压器领域公开文献，并使用正则匹配的样本生成方法对电力系统事故调查报告等半结构化语料进行样本增强，构建电力变压器运维领域的训练数据集；然后应用ALBERT-BiLSTM-CRF深度学习算法从电力变压器相关文献与事故调查报告中抽取了电力变压器运维实体，并将此算法与传统深度学习算法进行对比，验证了此方法的优越性；接着，利用融入了ALBERT和注意力机制的ALBERT-BiLSTM-Attention深度学习算法对电力变压器运维实体进行关系抽取，相较于其他深度学习算法，此算法在电力变压器运维领域文本中具有更好的表现；最后使用Neo4j图数据库对知识图谱进行可视化呈现，并实现了基于电力变压器运维知识图谱的辅助决策功能。     

MRC-PBM: 一种中文电子病历嵌套命名 实体识别方法

中文电子病历实体包含大量的医学领域词汇并具有明显的嵌套特征。嵌套实体识别时往往存在目标实体定位不完整、不准确的问题。针对这一问题,提出了一种基于机器阅读理解的中文电子病历嵌套命名实体识别模型MRC-PBM (machine reading comprehension-position information biaffine and MLP)。该模型将命名实体识别(named entity recognition, NER)转化为机器阅读理解任务,将中文电子病历文本和预定义的查询语句串联作为输入,使用基于医学的预训练模型MC＿BERT获取词向量,然后通过双向长短期记忆网络模型(BiLSTM)和多粒度扩张卷积模型分别获取双向的特征信息以及单词之间的信息,得到相应的特征向量,最后使用Hybrid-PBM预测器进行实体预测。在嵌套和平面NER数据集上进行实验。实验表明,该模型在糖尿病语料和公开医学数据集上优于其他主流神经网络模型,F1值比基线模型提高了1.21%～5.80%。     

继电保护信息语义智能识别算法的研究与应用

为了应对当前存在于继电保护领域的语义不标准现象,设计一种继电保护信息语义智能识别算法。该智能算法基于字典管理、语义匹配、检索预处理以及检索管理4大模块。结合采集储存算法、预处理算法和文本相似度算法设计出一种智能自我学习的语义智能处理机制。该算法通过逐步提高计算机自识别率来实现对不标准继电保护语义的统计,从而丰富语义知识积累库,以便增加对不标准语义标准化的正确率。根据对不同类型不标准语义数据的测试,对得到的标准语义数据进行分析验证,证明了此继电保护信息语义智能识别算法具有准确的性能和良好的可行性。     

基于自然语言处理的弱监督知识获取系统的实现

知识获取多年来一直被认为是阻碍智能系统开发的瓶颈问题,尤其是互联网时代,大量的信息都以非结构化的文本形式存在。本文运用分布式计算思想设计了一个基于互联网大规模语料库的知识自动获取系统。采用弱监督条件下机器学习的方法对信息自动挖掘和获取,实现机器对知识的自动学习和挖掘、新词词典发现、实体关系模板提取、命名实体识别等功能。利用该系统分别对未登录新词发现和地名识别两种应用进行了实验,运用N gram和互信息(PMI)方法分别取得了72.1%和87.28%的准确率。     

电网故障处置预案文本中的命名实体识别研究

电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。     

基于改进LDA的水电工程进度管理文本智能分析

进度控制是水电工程管理的重要任务,及时总结进度管理信息有助于工程进度计划的制定与调整.水电工程建设中的进度信息多以半结构化、非结构化的文本形式呈现,增加了信息提取难度,实现水电工程进度文本信息自动化与智能化挖掘是当前亟待解决的问题.本文提出基于改进LDA的水电工程进度信息智能提取方法,智能提取进度管理文本中的关键信息....