继电保护装置缺陷文本专业词典构建及其语言特性分析

继电保护装置缺陷文本缺乏基于专业词典的数据挖掘，对继电保护缺陷定级、诊断和消除支撑不足，无法满足高效运维需求。结合某区域电网继电保护缺陷数据，提出了适用于继电保护装置缺陷的专业词典构建方法，并构建了相关专业词典。首先，汇总了该区域继电保护装置缺陷文本数据，形成缺陷文本语料库；其次，应用基于正则表达式的停用词识别方法，实现缺陷文本中无关字词的剔除；然后，采用机器与人工相结合的方法，构建了缺陷文本分词词典，采用潜在语义分析和决策树分类，实现了同义词合并；然后，通过整合停用词表、分词词典、同义词表，构建了该区域电网保护装置缺陷专业词典；最后，对比了使用词典前后的专业词汇齐普夫分布和语料库信息熵，验证了所构建专业词典的有效性。