基于BERT的电网故障事件抽取与应急预案推荐方法研究

• 作 者: 廖佳路
• 出 处: 武汉科技大学
• 发表日期: 2020年01期
• 关键词: 电网故障 BERT 事件抽取 预案推荐

为提高修复电网故障效率,减少电网故障造成的经济损失,智能电网应急预案推荐逐渐成为电网领域关注的焦点。应急预案推荐的关键在于文本推荐和构建应急预案知识库,其中构建应急预案知识库需要事件抽取技术的支持。传统的流水线式事件抽取方法存在传递错误的问题,且抽取效果不好;电网故障文本中存在大量专有词汇,现有的文本推荐方法难以直接应用到电网领域,因此,本文致力于研究电网故障事件抽取和应急预案推荐方法。本文主要研究工作如下:(1)针对电网故障事件抽取问题,本文提出了一种基于BERT嵌入的联合抽取方法来抽取电网故障案例文本中的故障事件。首先根据电网故障案例文本特点,对文本进行预处理,包括特殊词替换和去停用词,以减少特征信息流失和噪音的影响,使文本更适合抽取任务;利用BERT预训练语言模型生成句向量表达,然后使用双向长短期记忆网络捕获文本特征,在编码层后有两个分支,一个分支用于抽取事件元素,连接条件随机场得到最佳的标签序列;另一个分支用于获取故障类型,连接注意力层捕获重要的局部信息,最后通过softmax分类器得到分类结果。(2)针对电网应急预案推荐问题,本文将应急预案推荐问题转换为计算文相似度问题,提出了结合电网领域专有词典与BERT模型的方法来完成文本相似度匹配任务。首先通过BERT预训练模型微调计算文本相似度,然后利用电网领域专有词典计算故障设备的相关度,文本相似度与设备相似度相加得到电网故障相似度,最后选取相似度最高的故障案例处置方法为最终推荐方案。本文方法在传统方法的基础上增加了语义相关计算,使模型更符合现实场景。本文在电网故障案例中文语料上进行了对比实验,实验结果表明,本文提出的方法比现有方法的效果更好。