一种组合深度学习和概念图谱的电力故障事件抽取方法
基本信息
| 申请号 | CN201911001756.7 | 申请日 | - |
| 公开（公告）号 | CN111079430A | 公开（公告）日 | 2020-04-28 |
| 申请公布号 | CN111079430A | 申请公布日 | 2020-04-28 |
| 分类号 | G06F40/295;G06F16/35;G06F16/36;G06N3/04;G06N3/08;G06Q50/06 | 分类 | 计算；推算；计数; |
| 发明人 | 汪旸;王春明;窦建中;鄢发齐;罗深增;刘阳;陈文哲;夏添;吴怡菲;孙涛;曲亮;肖慧颖 | 申请（专利权）人 | 武汉烽火普天信息技术有限公司 |
| 代理机构 | 武汉科皓知识产权代理事务所（特殊普通合伙） | 代理人 | 武汉烽火普天信息技术有限公司;国家电网公司华中分部 |
| 地址 | 430077 湖北省武汉市东湖梨园华中电网有限公司 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出了一种组合深度学习和概念图谱的电力故障事件抽取方法，在特征选取阶段，摒弃复杂的特征设计，只选用基础的分布式语义词向量特征、依存句法结构特征和位置特征，在此基础上使用基于中文知识图谱的概念图谱实现电力故障文本的概念扩展。使用长短期记忆循环神经网络，自动进行特征学习，并以模型训练的结果替代原始特征，并作为触发词识别和事件元素识别的基础。在元素识别阶段，将事件元素识别任务转换为触发词‑实体、触发词‑触发词的关系抽取任务，结合动态多池化卷积神经网络进行训练，同时识别出简单事件和复杂事件的事件元素。根据电力领域特征制定规则，对识别结果进行进一步的优化。该发明方法简单，执行效率与准确率高。 |
