電力運(yùn)維管理-電力運(yùn)維信息知識圖譜構(gòu)建方法

[全]電力運(yùn)維管理-電力運(yùn)維信息知識圖譜構(gòu)建方法當(dāng)前的電力運(yùn)維客服系統(tǒng)每天都在面臨著來自各方的海量的客戶的心聲，企業(yè)和個人用戶通過微信公眾號、微博、掌上電力APP、95598智能互動網(wǎng)站等各種渠道進(jìn)行業(yè)務(wù)咨詢、故障保修、投訴、舉報、建議、意見及表揚(yáng)、電網(wǎng)信息、政策訂閱等，對服務(wù)提供及消費(fèi)提出了更高的要求，需要及時、準(zhǔn)確洞察客戶的心聲，以最短時間、以最好的服務(wù)滿足客戶的需求;同時客戶要求更友好、方便、快捷的使用我們所提供的服務(wù)。為此，需要通過不斷提升信息支撐服務(wù)，改進(jìn)客戶服務(wù)體系來提高客戶服務(wù)質(zhì)量和效率，然而在互聯(lián)網(wǎng)發(fā)展的時代，傳統(tǒng)的呼叫中心客服系統(tǒng)需要大量的人力和物力。[0003]國網(wǎng)信通部于2015年下達(dá)了關(guān)于開展信息系統(tǒng)運(yùn)行管理水平提升活動，提出了切實提升運(yùn)行管理水平的要求，信息系統(tǒng)需按照“兩級調(diào)度、三層檢修、一體化運(yùn)行、統(tǒng)一的客戶服務(wù)和信息技術(shù)三線支持中心”模式，開展信息運(yùn)維工作，由此積累了大量的運(yùn)維工單數(shù)據(jù)。隨著大眾對電力生產(chǎn)可靠性要求的不斷提高，國網(wǎng)公司對供電服務(wù)質(zhì)量也有較高的要求標(biāo)準(zhǔn)。如何不斷提高電力信息運(yùn)維人員的業(yè)務(wù)素質(zhì)，在生產(chǎn)中如何快速、準(zhǔn)確的處理信息系統(tǒng)運(yùn)維問題，在日常生產(chǎn)中如何快速查找定位缺陷防范于未然，是電力生產(chǎn)技術(shù)和管理者的訴求。[0004]面向電力行業(yè)構(gòu)建公共知識圖譜存在很多的技術(shù)難點(diǎn)，如運(yùn)維知識的分析較弱，數(shù)據(jù)資源價值體現(xiàn)整體停留在粗放型階段，沒有將數(shù)據(jù)資源有效轉(zhuǎn)化為知識資產(chǎn)，以及沒有形成知識良性循環(huán)、對業(yè)務(wù)需求的支撐能力和對管理變革的推動能力較弱等問題，這些都阻礙了電力運(yùn)維知識圖譜的組織與構(gòu)建。尤其是公司的一單兩票系統(tǒng)存在大量的可利用數(shù)據(jù)，可被有效挖掘和利用，為構(gòu)建運(yùn)檢修知識圖譜提供基礎(chǔ)數(shù)據(jù)及理論依據(jù)。問題拆分深度學(xué)習(xí)算法引入到電力領(lǐng)域知識圖譜的構(gòu)建中，釆用命名實體識別和實體關(guān)系抽取這兩大機(jī)器學(xué)習(xí)的任務(wù)來解決知識單元抽取和知識單元關(guān)系抽取這兩個難題。本發(fā)明提高了電力數(shù)據(jù)的有效利用，發(fā)揮數(shù)據(jù)隱藏的價值，提高電網(wǎng)的智能化應(yīng)用水平，基于知識圖譜的知識表示，將改變過去低維度、相互孤立的信息展現(xiàn)方式，更加直觀呈現(xiàn)電力知識之間的關(guān)聯(lián)性。構(gòu)建電力信息運(yùn)維系統(tǒng)知識庫，將歷史運(yùn)維數(shù)據(jù)轉(zhuǎn)化為知識，支持用戶在線自主咨詢和解決問題，實現(xiàn)智能問答，提高運(yùn)維效率，在電網(wǎng)運(yùn)維工作中將發(fā)揮重要價值，并在此基礎(chǔ)上完成電力信息運(yùn)維領(lǐng)域知識圖譜優(yōu)化存儲技術(shù)。問題解決針對現(xiàn)有技術(shù)存在的問題和空白，本發(fā)明采用以下技術(shù)方案：一種電力運(yùn)維信息知識圖譜構(gòu)建方法，其特征在于，包括以下步驟：步驟1:對電力系統(tǒng)工單數(shù)據(jù)進(jìn)行工單采集，并轉(zhuǎn)換為文本格式，并根據(jù)文本含義屬性劃分為多個文本域；步驟2:以工單為單位，對工單文本數(shù)據(jù)進(jìn)行分詞處理；步驟3:對文本域進(jìn)行分組；步驟4:對各文本域分別進(jìn)行域分詞處理，采用基于字符串匹配的分詞方法分別對各分組的內(nèi)容進(jìn)行詞匯切分；步驟5:根據(jù)無效詞匯表進(jìn)行無效詞匯過濾，過濾掉無效詞匯和敏感詞匯；步驟6:將有效詞匯與知識庫中詞匯表進(jìn)行比對，將新詞匯加入到知識庫的詞匯列表，對己有詞匯進(jìn)行累加其出現(xiàn)的頻次；步驟7:抽取加入詞匯的實體關(guān)系:通過預(yù)先定義實體關(guān)系類型及基于實體的特征，抽取實體關(guān)系；步驟8:將實體與實體關(guān)系導(dǎo)入圖數(shù)據(jù)庫；步驟9:在圖數(shù)據(jù)庫中完成知識圖譜的繪制。[0006]優(yōu)選地，步驟8中，將實體和實體關(guān)系轉(zhuǎn)化為基于RDF的三元組；步驟9中，通過PTransE模型將實體和實體關(guān)系進(jìn)行翻譯和學(xué)習(xí)，構(gòu)建成為知識圖譜。[0007]優(yōu)選地，步驟2和步驟4中，分詞采用中科院的ICTCLAS系統(tǒng)；將分詞后的所有詞組成字符表[0008]優(yōu)選地，步驟2和步驟4中，分詞還包括詞性特征的構(gòu)建:詞性特征的構(gòu)建與詞特征的構(gòu)建方式一致。[0009]優(yōu)選地，步驟7中，釆用句法分析及詞法分析將實體關(guān)系轉(zhuǎn)化為特征向量，繼而采用機(jī)器學(xué)習(xí)模型進(jìn)行處理，計算特征向量的相似度，并對實體關(guān)系進(jìn)行分類。[0010]優(yōu)選地，步驟7中，所述預(yù)先定義實體關(guān)系類型及基于實體的特征包括實體特征、實體類型特征、實體對相對位置特征、實體間距離特征和上下文窗口特征。[0011]優(yōu)選地，所述PTransE模型將知識圖譜中的關(guān)系路徑與關(guān)系的向量表達(dá)聯(lián)系起來，將邏輯推理規(guī)則視為向量加法操作，其評分函數(shù)為：.表不頭實體h到尾實體t的關(guān)系路徑p的勢能函數(shù)；對于路徑集合[0012]優(yōu)選地，對電力系統(tǒng)工單數(shù)據(jù)采用Python的urllib2包對非結(jié)構(gòu)化文本數(shù)據(jù)的內(nèi)容進(jìn)行采集;采用BeautifulSoup包對采集的內(nèi)容進(jìn)行解析;采用R環(huán)境下的Rwordseg包進(jìn)行分詞。[0013]優(yōu)選地，所述圖數(shù)據(jù)庫為:Ne〇4j圖數(shù)據(jù)庫。[0014]本發(fā)明與現(xiàn)有技術(shù)相比，將深度學(xué)習(xí)算法引入到電力領(lǐng)域知識圖譜的構(gòu)建中，釆用命名實體識別和實體關(guān)系抽取這兩大機(jī)器學(xué)習(xí)的任務(wù)來解決知識單元抽取和知識單元關(guān)系抽取這兩個難題。除此以外，本發(fā)明還將圖形數(shù)據(jù)庫納入到構(gòu)建知識圖譜的體系中來，采用圖形數(shù)據(jù)庫對知識單元進(jìn)行存儲及展示，為知識圖譜的繪制提供了一種新的方法。[0015]本發(fā)明提高了電力數(shù)據(jù)的有效利用，發(fā)揮數(shù)據(jù)隱藏的價值，提高電網(wǎng)的智能化應(yīng)用水平，基于知識圖譜的知識表示，將改變過去低維度、相互孤立的信息展現(xiàn)方式，更加直觀呈現(xiàn)電力知識之間的關(guān)聯(lián)性。構(gòu)建電力信息運(yùn)維系統(tǒng)知識庫，將歷史運(yùn)維數(shù)據(jù)轉(zhuǎn)化為知識，支持用戶在線自主咨詢和解決問題，實現(xiàn)智能問答，提高運(yùn)維效率，在電網(wǎng)運(yùn)維工