电力文本识别模型构建方法、电力设备维修方法和装置与流程

本公开的实施例涉及计算机，具体涉及电力文本识别模型构建方法、电力设备维修方法和装置。

背景技术：

1、在电力领域，识别电力设备的检修记录、维护手册等大量文本数据中的实体信息对电力系统的运行有重要意义。目前，在对电力设备的文本数据进行实体识别时，通常采用的方式为：采用双向长短期记忆网络与条件随机场模型结合的方式识别电力设备的文本数据，得到实体标注信息，以用于确定根据电力设备图像确定的故障信息的维修方案。

2、然而，发明人发现，当采用上述方式对电力设备的文本数据进行识别时，经常会存在如下技术问题：

3、第一，双向长短期记忆网络更适用于双向捕捉全文的特征向量，但在提取局部特征向量时效果较差，根据双向长短期记忆网络提取的特征向量进行实体识别，导致得到的实体识别结果的准确性较低，从而导致根据实体识别结果确定的维修方案的准确性较低，进而造成电力设备在维修之后运行时的安全性较低。

4、第二，实体识别结果的准确性较低，导致根据实体识别结果确定的维修方案的准确性较低，从而造成电力设备在维修之后运行时的安全性较低。

5、第三，仅通过电力设备图像判断故障类型，准确率较低，从而进一步导致产生二次维修的次数较多，浪费维修资源。

6、第四，在对实体标识进行匹配时，仅采用语义特征提取的方式提取词向量特征，对于单个汉字特征匹配的准确度较低，导致实体标识匹配的准确度较低，从而造成通过实体标识匹配的维修方案与故障类型的适配性较低，进一步导致产生二次维修的次数较多浪费维修资源。

7、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了电力文本识别模型构建方法、电力设备维修方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种电力文本识别模型构建方法，该方法包括：获取样本集，其中，上述样本集中的样本包括样本电力文本信息和样本实体标注信息；基于上述样本集执行以下训练步骤：将上述样本集中的至少一个样本分别输入至初始电力文本识别模型的输入层，得到上述至少一个样本中的每个样本对应的词向量集；将上述至少一个样本中的每个样本对应的词向量集分别输入至初始电力文本识别模型包括的第一特征提取模型和第二特征提取模型，得到上述至少一个样本中的每个样本对应的第一特征向量集和第二特征向量集；将上述至少一个样本中的每个样本对应的第一特征向量集和第二特征向量集输入至初始电力文本识别模型的输出层，得到上述至少一个样本中的每个样本对应的实体标注信息；将上述至少一个样本中的每个样本对应的实体标注信息与样本实体标注信息进行比较；根据比较结果确定初始电力文本识别模型是否达到预设的优化目标；响应于确定初始电力文本识别模型达到上述优化目标，将初始电力文本识别模型确定为训练完成的电力文本识别模型。

4、第二方面，本公开的一些实施例提供了一种电力设备维修方法，该方法包括：获取目标电力设备的设备巡检信息；对上述设备巡检信息进行故障检测处理，得到设备故障信息；响应于确定上述设备故障信息满足预设故障条件，对上述设备故障信息进行分词处理，得到故障关键词集合；将预设关键词和上述故障关键词集合中的各个故障关键词确定为查询关键词集合；根据上述查询关键词集合和预先生成的设备维修知识图谱，生成设备维修信息，其中，上述设备维修知识图谱是基于电力文本识别模型预先生成的，上述电力文本识别模型采用如第一方面任一实现方式所描述的方法构建；根据上述设备维修信息，控制相关联的维修设备对上述目标电力设备执行设备维修操作。

5、第三方面，本公开的一些实施例提供了电力文本识别模型构建装置，装置包括：获取单元，被配置成获取样本集，其中，所述样本集中的样本包括样本电力文本信息和样本实体标注信息；执行单元，被配置成基于所述样本集执行以下训练步骤：将所述样本集中的至少一个样本分别输入至初始电力文本识别模型的输入层，得到所述至少一个样本中的每个样本对应的词向量集；将所述至少一个样本中的每个样本对应的词向量集分别输入至初始电力文本识别模型的第一特征提取模型和第二特征提取模型，得到所述至少一个样本中的每个样本对应的第一特征向量集和第二特征向量集；将所述至少一个样本中的每个样本对应的第一特征向量集和第二特征向量集输入至初始电力文本识别模型的输出层，得到所述至少一个样本中的每个样本对应的实体标注信息；将所述至少一个样本中的每个样本对应的实体标注信息与样本实体标注信息进行比较；根据比较结果确定初始电力文本识别模型是否达到预设的优化目标；响应于确定初始电力文本识别模型达到所述优化目标，将所述初始电力文本识别模型作为训练完成的电力文本识别模型。

6、第四方面，本公开的一些实施例提供了一种电力设备维修装置，装置包括：获取单元，被配置成获取目标电力设备的设备巡检信息；检测单元，被配置成对上述设备巡检信息进行故障检测处理，得到设备故障信息；分词单元，被配置成应于确定上述设备故障信息满足预设故障条件，对上述设备故障信息进行分词处理，得到故障关键词集合；确定单元，被配置成将预设关键词和上述故障关键词集合中的各个故障关键词确定为查询关键词集合；生成单元，被配置成根据上述查询关键词集合和预先生成的设备维修知识图谱，生成设备维修信息；控制单元，被配置成根据上述设备维修信息，控制相关联的维修设备对上述目标电力设备执行设备维修操作。

7、第五方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一或第二方面任一实现方式所描述的方法。

8、第六方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一或第二方面任一实现方式所描述的方法。

9、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的电力设备维修方法可以提高电力设备运行的安全性。具体来说，造成电力设备在维修之后运行时的安全性较低原因在于：双向长短期记忆网络更适用于双向捕捉全文的特征向量，但在提取局部特征向量时效果较差，根据双向长短期记忆网络提取的特征向量进行实体识别，导致得到的实体识别结果的准确性较低，从而导致根据实体识别结果确定的维修方案的准确性较低，当维修方案未能解决对应的故障时，进而造成电力设备在维修之后运行时的安全性较低。基于此，本公开的一些实施例的电力文本识别模型构建方法，首先，获取样本集，其中，上述样本集中的样本包括样本电力文本信息和样本实体标注信息。由此，可以得到训练样本，从而可以用于训练电力文本识别模型。其次，基于上述样本集执行以下训练步骤：将上述样本集中的至少一个样本分别输入至初始电力文本识别模型的输入层，得到上述至少一个样本中的每个样本对应的词向量集。将上述至少一个样本中的每个样本对应的词向量集分别输入至初始电力文本识别模型包括的第一特征提取模型和第二特征提取模型，得到上述至少一个样本中的每个样本对应的第一特征向量集和第二特征向量集。由此，可以得到适用于提取局部特征和适用于提取全局特征的两种不同特征提取模型输出的特征向量集，从而可以用于对样本电力文本信息进行实体识别。将上述至少一个样本中的每个样本对应的第一特征向量集和第二特征向量集输入至初始电力文本识别模型的输出层，得到上述至少一个样本中的每个样本对应的实体标注信息。由此，可以得到综合两种不同的特征向量集得到的实体标注信息。将上述至少一个样本中的每个样本对应的实体标注信息与样本实体标注信息进行比较。根据比较结果确定初始电力文本识别模型是否达到预设的优化目标。响应于确定初始电力文本识别模型达到上述优化目标，将初始电力文本识别模型确定为训练完成的电力文本识别模型。由此，可以得到训练完成的电力文本识别模型，从而可以用于确定维修方案。也因为在构建电力文本识别模型时，通过两种不同的特征提取模型提取电力文本信息中的特征，从而提高了电力文本实体识别和根据实体识别结果确定的维修方案的准确性，由此，可以提高电力设备在维修之后运行时的安全性。