基于MacBERT-BiLSTM-CRF模型的继电保护装置缺陷知识图谱构建方法

电网发展至今积累了大量继电保护装置缺陷文本数据,尚未被有效挖掘利用。此外,继电保护装置的缺陷排除工作过度依赖运行人员的专业能力,现场运维工作难度大。针对上述问题,提出基于MacBERT-BiLSTM-CRF模型的继电保护装置缺陷知识图谱构建方法。首先,分析继电保护装置缺陷文本的记录特点,对非结构化文本进行数据清洗、数据标注以及数据增强处理。其次,基于BERT-BiLSTM-CRF模型构建MacBERT-BiLSTM-CRF模型进行实体抽取任务。然后,定义继电保护装置缺陷文本的关系抽取规则,结合实体抽取模型共同完成关系抽取任务。最后,构建继电保护装置缺陷知识图谱的模式层,并利用Neo4j图数据库实现知识图谱数据层的存储。算例分析表明,所提数据处理方法能够得到高质量BIO标注数据集。相比于传统BERT-BiLSTM-CRF模型,MacBERT-BiLSTM-CRF模型的实体抽取效果更好。基于模式层完成了继电保护装置缺陷知识图谱的构建与可视化展示,并提出继电保护装置缺陷辅助决策的应用流程与知识图谱的更新方法。

基于知识集成流形的电力设备缺陷文本数据增强方法与应用研究

当前电网数字化转型升级,电力设备智能运维技术快速发展,在运维过程中积累了大量包含电网重要信息的电力设备缺陷文本。由于文本数据标签稀疏,以及描述语言的模糊性、差异性等问题,电力文本中的运维信息难以被有效挖掘。文章提出了一种针对电力设备缺陷文本的数据增强方法。首先,使用缺陷文本数据集微调预训练模型ERNIE(enhanced representation through knowledge integration),应用多阶段知识掩码策略将电气领域专业知识集成到对缺陷文本的动态编码中;然后在流形假设的基础上基于降噪自动编码器架构设计破坏函数和重建函数,遵循基于信息价值的掩码单元选择策略构建破坏函数,基于微调过的ERNIE构建重建函数,在“破坏-重建”过程中获得位于原始数据流形范围内的增强样本;其次对增强数据集基于影响函数和多样性度量进行数据选择,过滤掉数据质量差和重复度高的增强样本;最后通过多层训练框架,将增强数据应用于各种缺陷文本挖掘任务。算例基于真实设备巡检、检修记录构建了电力设备缺陷文本等级分类任务。结果表明,所提出的算法对缺陷文本挖掘效果有较大提升,并且可以广泛灵活地应用在多种电力设备缺陷文本挖掘任务中。

电力设备缺陷文本的双通道语义增强网络挖掘方法

电力设备运维环节积累的缺陷文本可指导设备的状态评价和检修工作。然而缺陷文本结构多样且背景噪声强,导致智能挖掘信息的难度大。针对该问题,提出了基于双通道语义增强网络的电力设备缺陷文本挖掘方法。首先,分析缺陷文本的内容,结合自然语言处理方法预处理缺陷文本。利用Glove词向量嵌入模型将缺陷文本映射至数值空间表征语义。然后,基于词移距离构建缺陷文本的增强文本,通过含注意力机制的双向长短时记忆神经网络分别提取缺陷文本和增强文本的特征,进而在网络末端融合特征实现关键信息加强,提升模型分类性能。实例表明,所提双通道语义增强网络的分类Macro-F1指标相比于传统机器学习方法、单通道深度学习方法至少提高6.2%、5.2%,同时所提方法为实现图像、文本等多源运维数据的特征增强提供新思路。

基于双分支特征融合的电力设备缺陷文本挖掘方法

针对电力设备缺陷文本信息的知识挖掘与分析任务中存在缺陷文本特征信息提取不足、缺陷文本分类精度不够的问题,提出一种基于BERT(bidirectional encoder representations from transformers)的双分支特征融合的电力设备缺陷文本分类模型。首先,对缺陷文本数据进行预处理,删除异常缺陷文本,并归纳了电力设备缺陷文本特点;然后,采用BERT模型作为文本编码器,将文本转化为向量后分别输入至BiLSTMAttention(attention-based bidirectional long short-term memory)模块和多分支CNN(multi-scale convolutional neural network,MCNN)模块,提取缺陷文本语义信息特征和局部关键信息特征;最后,将所提取出的语义特征和多维关键特征向量进行融合,并通过Softmax层实现对缺陷文本分类。与基准模型BERT-BiLSTMAttention相比,其准确率、召回率及F1值分别提高了2.76%、3.58%和4.39%,表明所建模型在缺陷文本分类任务中性能的优越性。

基于缺陷文本识别的变压器风险评估及辅助检修决策方法

针对传统变电设备检修业务过度依赖人工经验、设备缺陷处置效率过低等问题,提出了一种基于缺陷文本识别和知识图谱的变压器风险评估及辅助检修决策方法。该方法通过建立基于Bert-CNN的缺陷文本识别模型,完成现场运维人员所填缺陷记录的动态词向量提取及文本局部特征分析,自动评估设备缺陷严重程度及其风险等级。随后,基于行业标准、试验规程及专家经验,采用知识图谱构建了变压器运维检修策略库,实现了缺陷文本识别结果与检修策略库的知识融合与映射,完善了设备缺陷记录到运维检修决策的全过程智能化运检辅助功能。最后,结合算法对比及案例验证,该方法对缺陷严重程度、部件和风险等级的识别结果准确率达到91%以上,且可实现基于设备缺陷情况的差异化检修决策推送,有助于提升变压器运维检修业务的智能化和自动化水平。

融合BERT-WWM与注意力机制的电力设备缺陷实体识别研究

针对电力设备运行和维护中所产生的大量碎片化、非系统性以及相关性不足设备缺陷文本,提出了一种电力设备缺陷文本识别模型。使用基于全词掩码的预训练模型(bidirectional encoder representation from transform-ers,BERT)替换基于随机掩码的BERT模型,提高了对电力词汇的理解力。使用双向长短期记忆网络(bidirection-al long short-term memory,BiLSTM)提高了模型捕获上下文信息的能力,并提高了模型的鲁棒性,引入注意力机制(attention)可以更好地捕获电力设备缺陷实体之间的复杂依赖关系,从而进一步提升模型的表现。实验结果显示,该模型准确率、召回率、F1值分别为96.26%、96.94%、96.60%,在地点、缺陷内容和设备三种实体上的F1值均优于其他模型。

基于CNN-BiGRU-ATTENTION和知识图谱的变压器缺陷识别及检修决策方法

传统变压器运维需依靠人工从繁杂的运行缺陷记录中判断设备缺陷严重程度,然后做出检修决策导致缺陷处理效率偏低。为此,提出由卷积神经网络(convolutional neural network,CNN)、双向门控循环单元(bidirectional gated recurrent unit,BiGRU)与注意力机制组合而成的CNN-BiGRU-ATTENTION算法实现变压器缺陷分类识别;然后,根据变压器运行标准、试验规程和运行经验基于知识图谱构建变压器检修决策库;最后,根据缺陷记录分类识别结果和检修决策库中缺陷检修措施的对应关系,由检修决策库推送缺陷检修措施,实现变压器缺陷记录到运维检修的智能化决策过程,以某一市级电网35 kV及以上变压器缺陷记录为训练样本,试验结果表明模型缺陷记录分类准确率达88%以上,基于缺陷记录分类结果由检修决策库智能化推送检修决策,有效提高运维效率,具有一定的实用价值。

基于语义框架的电网缺陷文本挖掘技术及其应用

电网企业拥有大量蕴含着重要可靠性信息的设备缺陷文本,依靠人工进行挖掘不仅效率低而且准确性因人而异。以变压器缺陷文本为研究对象,通过分析文本的特点,建立了基于语义框架的电网缺陷文本挖掘模型,解决了缺陷文本句子成分难以划分、数字量无法精确提取等问题,为电网领域的非结构化数据挖掘提供了新技术。首先在建立本体词库基础上,对缺陷文本进行分词、词汇特征提取等预处理;然后定义了电力语义框架与语义槽,提出了槽填充和语义框架构建流程,并通过词串合并实现了本体字典自动完善;最后对缺陷文本挖掘结果在可靠性统计中的应用进行了研究。算例表明,所提出的挖掘技术应用于电网缺陷自动分类与统计中,具有可行性和有效性。

考虑历史缺陷文本信息的断路器状态评价研究

针对当前断路器进行状态评价基于其运行信息,但未涉及能反映断路器部件可靠性的断路器历史缺陷情况的特点,以及断路器中文缺陷文本的处理分析问题,提出了融合运行信息与历史缺陷信息的断路器状态综合评价模型,即在现有评价导则基础上添加了专门针对历史缺陷文本的评价规则,并提出了基于KNN算法的缺陷文本分类方法,方法先通过分词、词频统计、去停用词和文本向量化等适合短文本的处理步骤进行中文文本预处理,然后采用KNN分类算法对缺陷文本进行归类计算。通过算例,对缺陷文本分类方法以及考虑历史缺陷信息后的断路器状态综合评价模型进行了验证。研究结果表明,缺陷文本分类方法是可行的,且加入历史缺陷信息后,断路器的状态评价结果得到合理性的提升。

用于APP的缺陷文本自动分类与质量保证方法

目前电力设备缺陷文本分类工作主要依靠人工,一方面效率低,另一方面容易发生误分类。本文提出了一种应用于APP的基于人机交互方式的缺陷文本自动分类和质量保证方法。首先,将国家电网提供的标准导则表示为树结构,在此基础上提出了基于树路径匹配的缺陷文本分类方法;然后,针对实际输入的电力设备缺陷文本存在的不完整、表述不清晰等问题,提出了基于人机交互的缺陷文本质量保证方法,在此基础上实现了分类结果的高准确率。采用Flask框架编写了用户交互界面,实现缺陷文本输入、缺失信息补充、分类结果展示等功能。最后通过大量文本测试,验证了方法的可行性和有效性。

基于社交媒体分析的手机缺陷识别

为了从社交媒体中获取用户反映手机产品缺陷的数据信息,在对现有社交媒体分析框架进行改进的基础上,结合不同的平台特征,构建了基于社交媒体分析的手机产品缺陷识别框架;在综合分析比较后采用信息增益作为特征评估函数,利用支持向量机分类方法对社交媒体数据进行情感识别,构建手机产品缺陷语料集;基于主题模型算法对手机产品缺陷进行聚类分析,形成不同的缺陷内容聚类。相关实验研究结果表明,该方法能够有效地识别出中文社交媒体中的手机缺陷,具有较高的准确率和召回率。

电力文本数据挖掘现状及挑战

文本数据是电力大数据的重要组成部分,对其进行有效挖掘是智能电网深入、全面发展的需要。在目前已有研究成果的基础上,对电力领域文本数据挖掘的现状及挑战进行了深入剖析。首先分析了文本挖掘技术的发展过程及存在难题;接着重点分析了电力文本数据挖掘的关键技术及其研究现状,包括文本预处理技术、文本表示方法以及数据挖掘方法;然后以电力设备缺陷文本为对象,介绍了文本挖掘技术在电力领域的应用,包括缺陷文本质量的提升与保证、缺陷文本严重程度自动分类、缺陷发生部件及程度的自动提取、缺陷文本检索、基于缺陷文本的电力设备健康状态评价等,可为其他类型电力文本的挖掘提供参考;最后,探讨了电力文本挖掘面临的挑战以及未来发展方向。

软件缺陷数据处理研究综述

软件缺陷数据是软件质量分析和改进的重要基础数据之一。如何在分析缺陷数据前对缺陷数据进行有效的预处理,如何根据缺陷特征对缺陷数据进行合理分类,如何对缺陷数据进行挖掘以及统计分析,是软件缺陷研究领域面临的问题。详细介绍了缺陷数据预处理、缺陷分类以及缺陷数据挖掘分析3个方面的研究内容、方法和技术,并对这些方法进行了比较和分析,最后提出了几个软件缺陷数据处理研究领域需要进一步研究的问题。

从规则到行为:高等教育质量年度报告制度的改进

高等教育质量年度报告发布制度是新时期我国高等教育发展的重要举措。通过对质量报告的政策制定过程和政策执行过程的分析可知,高等教育质量报告的发布形式和内容均有坚实的法律保障和政策支撑。对“985工程”高校8年的本科质量报告文本分析发现,报告具有较强的地域性特征和地域间差别,文本的篇幅有所不同,内容结构和形式大致相同。经过8年的实践该制度体现出了公开性、履责性、执行性的功用,但同时也暴露出制度理念模糊、缺乏法律法规保障、监督和保障体系不健全等制度性缺陷。为完善高等教育质量年度发布制度,需要转变报告发布的理念,明确质量报告建设的功能区分和结构区分;加强质量报告的多方面保障,提升质量报告的效用;同时高校要转变对质量报告的态度和意识。

基于骨架模板匹配的彩色印刷品文字缺陷检测

针对彩色印刷品文字缺陷检测难等问题,提出了基于骨架模板匹配的文字缺陷检测方法。选取标准样本图像中有代表性的颜色,经过粗分割和精分割,提取主颜色;在每个主颜色的色板上分析连通分量区域几何位置关系,定位文字区;逐步细化文字区色板并赋予不同权值,得到骨架模板;把待检样品图像与骨架模板匹配得到缺陷信息并标记在待检样品图像上,完成缺陷检测。实验结果表明,该方法能有效消除印刷过程中多种干扰带来的抖动和配准精度对文字缺陷检测的影响,精确实现文字缺陷检测。

法律文本中法治教育表述的瑕疵与改进

法治教育已经被纳入国民教育序列,其地位和意义已经获得全社会的共识。但是,在我国现行的法律文本中,对法治教育的规定仍然欠缺规范性,集中体现在权利和义务内容的空缺,导致涉及法治教育的条款流于倡导和宣言,严重制约了法治教育的实践推进。为此,应当尽快在法律文本中改进法治教育表述的瑕疵,制定法治教育的纲要和具体实施法治教育的条例,为法治教育的开展提供科学合理的法律保障。

我国现行体育法律文本法律责任规定的缺陷与完善

体育法律责任规定要遵循体育立法原则并体现体育法保障公民体育权利的价值导向。我国现行体育法律文本法律责任的规定存在逻辑结构不严、责任形态混杂、内容规定含糊、救济方式缺位等缺陷。要完善之必须建立法律责任与义务性条款的对应关系;建立完善的体育法律责任体系,实现责任形态合理配置;明确责任主体和执法主体,量化法律责任;加强同上下位法以及同位法中的法律责任条款衔接和协调,并体现体育的特殊性;增加权利救济的具体方式条款。

施工合同计价条款存在的缺陷分析

合同缺陷产生的原因主要有两方面:一方面是施工合同示范文本存在的缺陷,导致施工合同在通用条款方面存在欠缺与矛盾。另一方面是合同当事人没有就专用条款进行仔细的协商与考虑,导致专用条款存在不完备、不具体的问题。这两方面的问题构成了施工合同的缺陷。施工合同计价条款中存在缺陷主要表现在以下方面:工程量清单不准确;未规定工程量的测量标准;未规定竣工结算纠纷的范围;工程进度款支付比例过低;竣工结算款支付时限的规定不明确。

基于信息抽取的电网缺陷文本挖掘系统设计

由于电网中存在大量的缺陷文本,传统方法无法精准区分缺陷类型,导致文本挖掘精准度较低,为此提出了基于信息抽取的电网缺陷文本挖掘系统设计。使用数据存储模块直接访问系统内存,通过负载均衡服务器执行请求响应。设计多进程浏览器架构,负责浏览多进程应用程序。构建文本挖掘模型,将大量信息元素整理成电网缺陷术语表形式,输入电网缺陷文本后,利用术语注解标准形式识别术语表内容,并计算标签在固定周期中的覆盖率,记录平均时间间隔和偏离度,由此得到电网缺陷标签标记的周期。在该周期内,确定缺陷种类,完成数据挖掘。实验结果表明,该系统的挖掘精度最低为85%,说明该方法的挖掘结果较为可靠,具有实际应用价值。

电网设备缺陷文本的质量评价与提升方法

文本质量直接影响着文本挖掘效果的优劣。在总结电网企业缺陷文本存在的质量问题基础上,提出了缺陷文本质量评价和提升方法。首先,通过对大量实际缺陷文本的分析,总结出电网设备缺陷文本的格式及容易出现的不完整、不具体、冗余度过高等问题。然后,基于相应问题,定义了缺陷文本质量的评价指标,并提出了基于"层次-自适应灰色关联分析法"的评价方法。接下来,针对历史缺陷文本中质量较差和缺陷等级与缺陷描述不匹配的文本,利用潜在狄利克雷分布方法,结合国家电网有限公司的缺陷分类标准,进行修正以提升质量;针对新录入文本,利用文本质量评价方法进行质量问题提示,利用词向量映射方法给出修正建议,保证新录入缺陷文本的质量。最后,结合实例对修正前后的缺陷文本进行质量对比,算例表明,修正后的历史缺陷文本在文本质量得分上有较大提升,新录入文本存在的问题也能较为准确地识别并给出对应修正建议。