CN112069381A - 一种基于自然语言处理技术的监控管理方法及系统 - Google Patents
一种基于自然语言处理技术的监控管理方法及系统 Download PDFInfo
- Publication number
- CN112069381A CN112069381A CN202011033262.XA CN202011033262A CN112069381A CN 112069381 A CN112069381 A CN 112069381A CN 202011033262 A CN202011033262 A CN 202011033262A CN 112069381 A CN112069381 A CN 112069381A
- Authority
- CN
- China
- Prior art keywords
- public opinion
- information
- public
- target equipment
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000007726 management method Methods 0.000 title claims abstract description 50
- 238000003058 natural language processing Methods 0.000 title claims abstract description 37
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims description 81
- 238000012790 confirmation Methods 0.000 claims description 52
- 230000002093 peripheral effect Effects 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 23
- 238000012423 maintenance Methods 0.000 abstract description 31
- 230000008569 process Effects 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Abstract
本发明提供了一种基于自然语言处理技术的监控管理方法及系统，方法包括：通过自然语言处理技术从网络获取目标设备的舆情数据；根据所述舆情数据对所述目标设备的状态进行更新；若更新后所述目标设备的状态异常，则对所述目标设备进行监控管理，并在监控管理完成后对所述目标设备的状态进行更新。本发明设计了一种基于自然语言处理技术的监控管理方法及系统，能够对传统路灯实现自动化监控与管理，运行成本低，同时能够提高路灯的运维效率，实现一整套针对传统路灯的监控、维护、管理流程，为传统路灯的改造升级提供了方向，也为自然语言处理这一新兴技术提供了新的应用发展领域。
Description
技术领域
本发明涉及监控管理领域，具体而言，涉及一种基于自然语言处理技术的监控管理方法及系统。
背景技术
自然语言处理(NLP，Natural Language Processing)是研究人与计算机交互的语言问题的一门学科。作为数据科学领域的一个重要的分支，它包含了以一种高效的方式去分析、理解和从文本里提取信息等重要过程。通过利用NLP及其组件，可以组织大量的文本数据，执行大量的自动化任务，并解决各种问题，比如自动摘要、机器翻译、命名实体识别、关系提取、情感分析、语音识别和主题分割等。
路灯是服务于城市照明不可或缺的公共载体，也是关于一个城市或地区公共形象的“门面”之一。随着全球各城市发展，路灯的数量预计将会在2025年达到3.5亿盏。目前城市照明管理还是采用比较传统的时钟控制方式。路灯运行情况无法实时、准确监控，路灯出现状况无法及时反馈到监控中心。一旦路灯出现异常，路灯的亮度调节能力丧失，只能依托维修人员进行修理。维修过程复杂，且修理时间长，耗费大量的人力成本和时间成本，修理过程中路灯的照明情况受到影响，影响对周边环境的照明效果，增加意外发生的概率，严重影响城市照明系统的运行。大量的维护工作和维护成本及不易及时发现的安全隐患，给城市管理带来巨大的困难。当前采用的粗放、被动、无监督机制的传统管理模式已不能满足现代化城市照明管理的需求。
申请号201721276638.3的实用新型申请文件公开了一种基于NB-Iot的路灯控制系统。该实用新型基于NB-Iot通讯芯片，通过该电脑控制终端根据光线亮度强度以及设定策略生成开关控制指令，使得多个路灯进行点亮或熄灭，实现在GIS平台上对路灯进行监控与管理。但是传统路灯不能接入物联网，在GIS平台上实现监控与管理需要进行物联网改造，改造成本极高，不具备普遍应用性。
现有技术针对传统路灯，尤其是未接入互联网的路灯很难进行集中统一管理，若接入互联网需要耗费极大的人力物力财力。因此，需要一种路灯的控制方法或系统，来解决传统路灯的统一监控管理问题。
发明内容
基于现有技术存在的问题，本发明提供了一种边缘设备的控制方法及系统。具体技术方案如下所示：
一种基于自然语言处理技术的监控管理方法，通过自然语言处理技术从网络获取目标设备的舆情数据；根据所述舆情数据对所述目标设备的状态进行更新；若更新后所述目标设备的状态异常，则对所述目标设备进行监控管理，并在监控管理完成后对所述目标设备的状态进行更新。
进一步，所述“通过自然语言处理技术从网络获取目标设备的舆情数据”，包括：通过所述自然语言处理技术从网络获取第一舆情信息；通过对所述第一舆情信息进行筛选，获取与所述目标设备相关的第二舆情信息；通过对所述第二舆情信息进行抽取，获取所述舆情数据。
进一步，所述“通过对所述第二舆情信息进行抽取，获取所述舆情数据”，包括：通过基于规则的抽取和基于模型的抽取对所述第二舆情信息进行抽取；将基于规则的抽取获取的舆情信息和基于模型的抽取获取的舆情信息进行比对，将比对通过的舆情信息作为第三舆情信息；将所述第三舆情信息发送给位于所述目标设备一定范围内的外围设备，并在得到所述外围设备对所述第三舆情信息的确认后，将确认后的所述第三舆情信息作为所述舆情数据。
一种基于自然语言处理技术的监控管理系统，包括信息获取模块、监管模块和目标设备，所述监管模块分别连接所述信息获取模块与所述目标设备；所述信息获取模块用于通过所述自然语言处理技术从网络获取所述目标设备的舆情数据，并发送给所述监管模块；所述监管模块用于根据所述舆情数据对所述目标设备的状态进行更新，若更新后所述目标设备的状态异常，则对所述目标设备进行监控管理，在监控管理完成后对所述目标设备的状态进行更新。
进一步，所述信息获取模块包括舆情获取单元、舆情筛选单元和舆情抽取单元，所述舆情筛选单元分别连接所述舆情获取单元和舆情抽取单元；所述舆情获取单元用于从网络获取第一舆情信息；所述舆情筛选单元用于对所述第一舆情信息进行筛选，获取与所述目标设备相关的第二舆情信息；所述舆情抽取单元用于对所述第二舆情信息进行抽取，将抽取的舆情信息作为所述舆情数据。
更进一步，所述舆情抽取单元采用的抽取方法包括基于规则的抽取和/或基于模型的抽取。
其中，所述基于规则的抽取包括通过所述目标设备的舆情规则库对所述第二舆情信息进行舆情信息抽取，所述舆情规则库包括根据所述规则建立的所述目标设备的信息集合；所述基于模型的抽取包括通过所述目标设备的信息抽取模型对所述第二舆情信息进行舆情信息抽取，所述信息抽取模型由所述第二舆情信息和预设的外部数据集训练完成。
特别地，所述舆情抽取单元采用的方法包括所述基于规则的抽取和所述基于模型的抽取；所述信息获取模块还包括舆情确认单元，所述舆情确认单元连接所述舆情抽取单元；所述舆情确认单元用于对所述基于规则的抽取获取的舆情信息和所述基于模型的抽取获取的舆情信息进行比对，将比对通过的舆情信息作为所述舆情数据。
进一步，所述信息获取模块还包括二次确认单元，所述二次确认单元分别连接所述舆情确认单元和所述监管模块；将所述比对通过的舆情信息作为第三舆情信息；所述二次确认单元用于将所述第三舆情信息发送给位于所述目标设备一定范围内的外围设备，并在得到所述外围设备对所述第三舆情信息的确认后，将确认后的所述第三舆情信息作为所述舆情数据。
特别地，所述目标设备包括路灯；和/或所述监管模块包括地理信息系统；和/或所述舆情获取单元通过Scrapy抓取框架获取所述第一舆情信息；和/或所述外部数据集包括中文自然语言处理数据集；和/或所述舆情筛选单元采用的方法包括朴素贝叶斯；和/或所述舆情抽取单元采用的模型还包括条件随机场；和/或所述二次确认单元使用包括微信、短信URL、APP、微博在内的一个或多个对所述第三舆情信息进行展示；和/或所述外围设备包括图像采集装置和视频采集装置。
本发明具有如下有益效果：
本发明根据现有技术的不足，提出一种基于自然语言处理技术的监控管理方法及系统，能够针对不能联网的传统路灯实现自动化监控与管理，运行成本低，同时能够提高路灯的运维效率，实现一整套针对传统路灯的监控、维护、管理流程，为传统路灯的改造升级提供了方向，也为自然语言处理这一新兴技术提供了新的应用发展领域。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提出的监控管理方法流程示意图；
图2是本发明实施例提出的监控管理系统示意图；
图3是本发明实施例提出的监控管理系统扩展流程示意图；
图4是本发明实施例提出的路灯的监控管理系统流程示意图。
具体实施方式
实施例1
针对现有技术的不足，本实施例提供了一种基于自然语言处理技术的监控管理方法。方案包括如下步骤：
步骤101、通过自然语言处理技术从网络获取目标设备的舆情数据；步骤102、根据舆情数据对目标设备的状态进行更新；步骤103、若更新后目标设备的状态异常，则对目标设备进行监控管理，并在监控管理完成后对目标设备的状态进行更新。监控管理流程如说明书附图1所示。可将该方法应用到具体模块中，将执行设备数据化，构建一个虚拟设备，通过监控虚拟设备的状态，获知目标设备的状态。技术方案包括：监管模块根据目标设备建立虚拟设备；信息获取模块通过自然语言处理技术从网络获取目标设备的舆情信息，并发送给监管模块；监管模块根据舆情信息对虚拟设备的状态进行更新，若更新后虚拟设备的状态异常，则监管模块判断目标设备的状态异常，对目标设备进行监控管理，并在监控管理完成后对虚拟设备的状态再次进行更新。
其中，信息获取模块包括舆情获取单元、舆情筛选单元和舆情抽取单元。舆情获取单元用于从网络获取第一舆情信息，第一舆情信息包含的内容较多，以目标设备的内容为主体。舆情筛选单元用于对第一舆情信息进行筛选，只保留与目标设备相关的内容，其它内容被筛选掉，将与目标设备相关的内容作为第二舆情信息发送给舆情抽取单元。舆情抽取单元用于对第二舆情信息进行舆情信息抽取，采用基于规则的抽取和基于模型的抽取两种抽取方法对第二舆情信息进行舆情信息抽取；以路灯为目标设备为例，舆情抽取单元对第二舆情信息进行信息抽取，抽取出路灯的位置、状态及事件。此外，信息获取模块还包括舆情确认单元和二次确认单元。舆情确认单元与舆情抽取单元连接，用于对舆情抽取单元的两种方法抽取的舆情信息进行比对，将比对通过的舆情信息作为第三舆情信息。二次确认单元与舆情确认单元连接，二次确认单元用于将第三舆情信息发送给位于目标设备一定范围内的外围设备，并在得到外围设备对第三舆情信息的确认后，将确认后的第三舆情信息作为舆情数据发送给监管模块。外围设备可以安排运维人员根据第三舆情信息对异常的目标设备进行确认，确认该设备是否异常，并将确认通过后的第三舆情信息作为舆情数据通过二次确认单元发送给监管模块。其中，外围设备位于目标设备一定范围内，包括位于目标设备附近的外围设备、位于目标设备1公里以内的外围设备，若外围设备为视频采集装置，如监控探头，还包括位于目标设备视频拍摄范围内的视频采集装置；若外围设备是图像采集装置，还包括位于目标设备图像拍摄范围内的图像采集装置。
监管模块根据目标设备建立虚拟设备；信息获取模块通过自然语言处理技术从网络获取目标设备的舆情数据，具体包括：舆情获取模块从网络获取第一舆情信息，将第一舆情信息发送给舆情筛选单元，舆情筛选单元对接收到的第一舆情信息进行筛选，只保留与目标设备相关的第二舆情信息，并将第二舆情信息发送给舆情抽取单元；舆情抽取单元对接收到的第二舆情信息进行舆情信息抽取，具体采用基于规则的抽取和基于模型的抽取两种抽取方法对第二舆情信息进行提取，并将抽取的舆情信息发送给舆情确认单元，例如在路灯领域，可提取路灯的位置、状态和事件。基于规则的抽取包括通过目标设备的舆情规则库对第二舆情信息进行舆情信息抽取。舆情规则库包括根据规则建立的目标设备的信息集合。基于模型的抽取包括通过目标设备的信息抽取模型对第二舆情信息进行舆情信息抽取，信息抽取模型由第二舆情信息和预设的外部数据集训练构成，外部数据集用于辅助训练，与第二舆情信息在句子结构上相似。舆情确认单元对两种方法提取的信息进行比对，确保信息的真实性，验证通过后，将舆情信息作为第三舆情信息发送给二次确认单元。二次确认单元将第三舆情信息发送给位于目标设备一定范围内的外围设备，并在得到外围设备对第三舆情信息的确认后，将确认后的第三舆情信息作为舆情数据发送给监管模块。二次确认单元用于对第三舆情信息作进一步的确认，保证内容的真实性，包括通过对第三舆情信息中的位置信息通过POI(Point of Information)检索，将检索的结果通过移动互联网平台推送给用户进行路灯位置与状态的确认，也可通过安排运维人员或调用监控探头等外围设备进行识别确认，确认路灯的状态，外围设备包括视频采集设备和图像采集设备，通过调用目标设备一定范围内的外围设备，确认目标设备是否存在异常。二次确认单元也可将第三舆情信息推送给运维人员，推送的平台包括但不限于微信、短信URL、APP、微博等，运维人员根据第三舆情信息现场确认目标设备的运行状况。二次确认单元将验证通过的第三舆情信息作为舆情数据发送给监管模块。监管模块根据舆情数据对虚拟设备的状态进行更新，若更新后虚拟设备的状态异常，则监管模块判断目标设备的状态异常，对目标设备进行相应的监控管理，并在监控管理完成后对虚拟设备的状态进行更新，若监控管理后，目标设备状态回归正常，则虚拟设备的状态回归正常。
实施例2
针对现有技术的不足，本实施例提供了一种基于自然语言处理技术的监控管理系统，基于自然语言识别获取目标设备的信息，进而实现对目标设备的监控管理。具体方案如下所示：
一种监控管理系统，如说明书附图2所示，包括信息获取模块、监管模块和目标设备，监管模块分别连接信息获取模块和目标设备。信息获取模块用于根据自然语言处理技术从网络获取目标设备的舆情数据，发送给监管模块，监管模块根据舆情数据对目标设备的状态进行更新。具体地，监管模块根据目标设备建立对应的虚拟设备，根据目标设备的舆情信息对虚拟设备的状态进行更新，虚拟设备的状态和目标设备的状态相对应，若更新后虚拟设备的状态异常，则证明目标设备的状态异常，监管模块需对目标设备进行监控管理，并获取目标设备监控管理后的状态，根据目标设备的状态再次对虚拟设备的状态进行更新。其中，信息获取模块包括舆情获取单元、舆情筛选单元和舆情抽取单元，舆情筛选单元分别连接舆情抽取单元和舆情获取单元；舆情获取单元用于通过网络获取第一舆情信息，第一舆情信息包括的信息量较为复杂，需要舆情筛选单元对第一舆情信息进行筛选处理，获取与目标设备相关的第二舆情信息；舆情抽取模块对第二舆情信息进行信息抽取，只保留需要的目标设备的状态信息和位置信息。此外，信息获取模块还包括舆情确认单元和二次确认单元，舆情确认单元分别连接舆情抽取单元和二次确认单元，舆情确认单元用于对舆情抽取单元抽取的舆情信息进行确认，将两组方法抽取的舆情信息进行比对，将比对通过的舆情信息作为第三舆情信息发送给二次确认单元，二次确认单元用于将第三舆情信息发送给位于目标设备一定范围内的外围设备，并在得到外围设备对第三舆情信息的确认后，将确认后的第三舆情信息作为舆情数据发送给监管模块。外围设备可以安排运维人员根据第三舆情信息对异常的目标设备进行确认，确认该设备是否异常，并将确认通过后的第三舆情信息作为舆情数据通过二次确认单元发送给监管模块。维修人员根据二次确认单元展示的第三舆情信息获取目标设备的位置和状态，通过实地查看等途径确认目标设备的状态是否与第三舆情信息中描述的一致，将确认通过后的第三舆情信息作为舆情数据发送给监管模块。监管模块接收二次确认单元发送的舆情数据，根据舆情数据对虚拟设备的状态进行更新，根据虚拟设备的状态对目标设备进行相应的监控管理。具体的结构如说明书附图3所示。
进一步，监管模块用于根据信息获取模块发送的舆情信息对目标设备进行监控管理。优选地，本实施例选用GIS(Geographic Information System或Geo－Informationsystem，GIS)管理模块，即地理信息系统。GIS是一种基于计算机的工具，它可以对空间信息进行分析和处理，把地图这种独特的视觉化效果和地理分析功能与一般的数据库操作(例如查询和统计分析等)集成在一起。GIS管理模块可以根据信息获取模块的舆情信息对目标设备的位置进行标识，生成运维工单，发送给移动终端的维修人员，维修人员根据运维工单对目标设备进行运维处理，并通过移动终端将运维信息反馈给GIS管理模块，若运维信息反馈目标设备维修正常，GIS管理模块中的虚拟设备恢复正常。本发明通过GIS管理模块将目标设备虚拟化，在互联网上构建一个虚拟的目标设备，通过信息获取模块的舆情信息对虚拟设备进行调整，使目标设备无需接入互联网即可实现线上的统一调控。
进一步，目标设备包括基数庞大、不便于接入互联网的设备，优选地，本实施例选用的目标设备为路灯。传统路灯无法连入互联网，很难集中统一进行监管。本实施例以路灯为目标设备进行详细阐述。
具体地，GIS管理模块建立路灯的虚拟设备，虚拟设备上标识路灯的位置及状态，状态包括“正常”或“异常”。舆情获取单元应用自然语言处理技术获取第一舆情信息；优选地，舆情获取单元通过Scrapy框架监控特定舆情网站信息，爬取舆情信息；Scrapy框架是一种快速、高层次的屏幕抓取和Web抓取框架，用于抓取Web站点并从页面中提取结构化的数据；爬取特定舆情网站信息能够保障舆情信息的真实性和时效性，避免爬取过多无效信息，爬取的舆情网站包括微博、论坛等主流媒体以及各大政务平台。
具体地，舆情筛选单元对第一舆情信息进行筛选，筛选出与路灯相关第二舆情信息；包括采用基于规则或其他机器学习的方法对第一舆情信息进行文本分类，只保留与路灯有关的第二舆情信息，舆情筛选单元采用的方法包括朴素贝叶斯。
具体地，舆情抽取单元对第二舆情信息进行抽取，保留路灯的位置信息和状态信息，特别地，舆情抽取单元采用的信息抽取方法包括基于规则的抽取和基于模型的抽取。基于规则的抽取运用路灯舆情规则库对路灯舆情进行信息抽取，保留信息位置以及信息状态，舆情规则库包括根据规则建立的路灯的信息集合。基于模型的抽取具体具体包括基于迁移学习的BiLSTM-CRF抽取，利用第二舆情信息和预设的外部数据集中构成训练模型，并使用训练模型进行信息位置、实体及事件的抽取。其中，在构建信息抽取模型时加入外部数据集进行辅助训练，外部数据集依据句子结构的相似性进行选择。其中，外部数据集选用包括常见的中文自然语言处理数据集，如人民日报数据集，舆情抽取单元采用的判别式模型还包括条件随机场，条件随机场被用于中文分词和词性标注等词法分析工作。
具体地，舆情确认单元对舆情抽取单元抽取的舆情信息进行确认。舆情确认单元对基于规则的抽取和基于模型的抽取两种抽取方法抽取的舆情信息进行比对，比对抽取的舆情信息是否正确，若比对结果通过，则证明两种方法抽取的路灯的舆情信息正确，舆情确认单元将两种方法抽取的舆情信息作为第三舆情信息发送给二次确认单元。
具体地，二次确认单元对第三舆情信息进行确认。二次确认单元用于在完成路灯舆情抽取后，将抽取后的信息发送给外围设备进行二次确认，提高信息的准确性。优选地，二次确认单元对第三舆情信息中的位置信息通过POI(Point of Information)检索，将检索的结果通过移动互联网平台推送给用户进行路灯位置与状态的确认，也可通过安排运维人员或调用监控探头进行识别确认，确认路灯的状态。推送的平台包括但不限于微信、短信URL、APP、微博等。通过二次确认单元对第三舆情信息做进一步的信息确认，提高路灯舆情信息的准确度，将确认通过后的第三舆情信息作为舆情数据发送给GIS管理模块。GIS管理模块根据舆情数据对虚拟设备的状态进行更新，若更新后虚拟设备的状态为异常，则GIS管理模块对路灯进行监控管理，包括生成运维工单发送给移动终端，移动终端的维修人员根据运维工单上的信息对异常路灯进行维修，并将维修情况通过移动终端发送给GIS管理模块。若维修过后路灯正常工作，则GIS管理模块将虚拟设备的状态再次进行更新。将本实施例应用到路灯领域的流程图如说明书附图4所示。
本发明根据现有技术的不足，提出一种基于自然语言处理技术的监控管理方法及系统，能够针对不能联网的传统路灯实现自动化监控与管理。无需对传统路灯进行任何改造，运行改造成本低；从互联网中的海量数据提取有关路灯的相关信息，充分利用大数据时代为人类带来的机遇；采用两种及以上的抽取方法，对舆情信息进行抽取，减少错误信息对系统的影响，同时二次确认能够避免错误信息带来的错误指导，具有较高的准确性；建立一整套针对传统路灯的监控、维护、管理流程，能够提高路灯的运维效率；本发明基于自然语言处理技术，为传统路灯的改造升级提供了引领方向，也为自然语言处理这一新兴技术提供了新的应用发展领域。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述，不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种基于自然语言处理技术的监控管理方法，其特征在于：
通过自然语言处理技术从网络获取目标设备的舆情数据；
根据所述舆情数据对所述目标设备的状态进行更新；
若更新后所述目标设备的状态异常，则对所述目标设备进行监控管理，并在监控管理完成后对所述目标设备的状态进行更新。
2.根据权利要求1所述的方法，其特征在于：所述“通过自然语言处理技术从网络获取目标设备的舆情数据”，包括：
通过所述自然语言处理技术从网络获取第一舆情信息；
通过对所述第一舆情信息进行筛选，获取与所述目标设备相关的第二舆情信息；
通过对所述第二舆情信息进行抽取，获取所述舆情数据。
3.根据权利要求2所述的方法，其特征在于：所述“通过对所述第二舆情信息进行抽取，获取所述舆情数据”，包括：
通过基于规则的抽取和基于模型的抽取对所述第二舆情信息进行抽取；
将基于规则的抽取获取的舆情信息和基于模型的抽取获取的舆情信息进行比对，将比对通过的舆情信息作为第三舆情信息；
将所述第三舆情信息发送给位于所述目标设备一定范围内的外围设备，并在得到所述外围设备对所述第三舆情信息的确认后，将确认后的所述第三舆情信息作为所述舆情数据。
4.一种基于自然语言处理技术的监控管理系统，其特征在于：包括信息获取模块、监管模块和目标设备，所述监管模块分别连接所述信息获取模块与所述目标设备；
所述信息获取模块用于通过所述自然语言处理技术从网络获取所述目标设备的舆情数据，并发送给所述监管模块；
所述监管模块用于根据所述舆情数据对所述目标设备的状态进行更新，若更新后所述目标设备的状态异常，则对所述目标设备进行监控管理，在监控管理完成后对所述目标设备的状态进行更新。
5.根据权利要求4所述的系统，其特征在于：所述信息获取模块包括舆情获取单元、舆情筛选单元和舆情抽取单元，所述舆情筛选单元分别连接所述舆情获取单元和舆情抽取单元；
所述舆情获取单元用于从网络获取第一舆情信息；
所述舆情筛选单元用于对所述第一舆情信息进行筛选，获取与所述目标设备相关的第二舆情信息；
所述舆情抽取单元用于对所述第二舆情信息进行抽取，将抽取的舆情信息作为所述舆情数据。
6.根据权利要求5所述的系统，其特征在于：所述舆情抽取单元采用的抽取方法包括基于规则的抽取和/或基于模型的抽取。
7.根据权利要求6所述的系统，其特征在于：所述基于规则的抽取包括通过所述目标设备的舆情规则库对所述第二舆情信息进行舆情信息抽取，所述舆情规则库包括根据所述规则建立的所述目标设备的信息集合；
所述基于模型的抽取包括通过所述目标设备的信息抽取模型对所述第二舆情信息进行舆情信息抽取，所述信息抽取模型由所述第二舆情信息和预设的外部数据集训练完成。
8.根据权利要求6所述的系统，其特征在于：所述舆情抽取单元采用的方法包括所述基于规则的抽取和所述基于模型的抽取；
所述信息获取模块还包括舆情确认单元，所述舆情确认单元连接所述舆情抽取单元；
所述舆情确认单元用于对所述基于规则的抽取获取的舆情信息和所述基于模型的抽取获取的舆情信息进行比对，将比对通过的舆情信息作为所述舆情数据。
9.根据权利要求8所述的系统，其特征在于：所述信息获取模块还包括二次确认单元，所述二次确认单元分别连接所述舆情确认单元和所述监管模块；
将所述比对通过的舆情信息作为第三舆情信息；
所述二次确认单元用于将所述第三舆情信息发送给位于所述目标设备一定范围内的外围设备，并在得到所述外围设备对所述第三舆情信息的确认后，将确认后的所述第三舆情信息作为所述舆情数据。
10.根据权利要求4-9中任一项所述的系统，其特征在于：所述目标设备包括路灯；
和/或所述监管模块包括地理信息系统；
和/或所述舆情获取单元通过Scrapy抓取框架获取所述第一舆情信息；
和/或所述外部数据集包括中文自然语言处理数据集；
和/或所述舆情筛选单元采用的方法包括朴素贝叶斯；
和/或所述舆情抽取单元采用的模型还包括条件随机场；
和/或所述二次确认单元使用包括微信、短信URL、APP、微博在内的一个或多个对所述第三舆情信息进行展示；
和/或所述外围设备包括图像采集装置和视频采集装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011033262.XA CN112069381A (zh) | 2020-09-27 | 2020-09-27 | 一种基于自然语言处理技术的监控管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011033262.XA CN112069381A (zh) | 2020-09-27 | 2020-09-27 | 一种基于自然语言处理技术的监控管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112069381A true CN112069381A (zh) | 2020-12-11 |
Family
ID=73682913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011033262.XA Pending CN112069381A (zh) | 2020-09-27 | 2020-09-27 | 一种基于自然语言处理技术的监控管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112069381A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104820629A (zh) * | 2015-05-14 | 2015-08-05 | 中国电子科技集团公司第五十四研究所 | 一种智能的舆情突发事件应急处理系统及方法 |
| CN107809356A (zh) * | 2017-10-16 | 2018-03-16 | 杭州古北电子科技有限公司 | 将互联网资源接入智能家居平台的控制方法和系统 |
| CN109684481A (zh) * | 2019-01-04 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 舆情分析方法、装置、计算机设备和存储介质 |
| CN110134845A (zh) * | 2019-04-04 | 2019-08-16 | 平安科技（深圳）有限公司 | 项目舆情监控方法、装置、计算机设备及存储介质 |
| CN111200535A (zh) * | 2018-11-16 | 2020-05-26 | 阿里巴巴集团控股有限公司 | 设备的模拟系统和方法 |
| CN111447103A (zh) * | 2020-03-09 | 2020-07-24 | 杭州海康威视系统技术有限公司 | 虚拟设备的管理系统及方法、电子设备及介质 |
| CN111581533A (zh) * | 2020-05-12 | 2020-08-25 | 腾讯科技（深圳）有限公司 | 目标对象的状态识别方法、装置、电子设备和存储介质 |
-
2020
- 2020-09-27 CN CN202011033262.XA patent/CN112069381A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104820629A (zh) * | 2015-05-14 | 2015-08-05 | 中国电子科技集团公司第五十四研究所 | 一种智能的舆情突发事件应急处理系统及方法 |
| CN107809356A (zh) * | 2017-10-16 | 2018-03-16 | 杭州古北电子科技有限公司 | 将互联网资源接入智能家居平台的控制方法和系统 |
| CN111200535A (zh) * | 2018-11-16 | 2020-05-26 | 阿里巴巴集团控股有限公司 | 设备的模拟系统和方法 |
| CN109684481A (zh) * | 2019-01-04 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 舆情分析方法、装置、计算机设备和存储介质 |
| CN110134845A (zh) * | 2019-04-04 | 2019-08-16 | 平安科技（深圳）有限公司 | 项目舆情监控方法、装置、计算机设备及存储介质 |
| CN111447103A (zh) * | 2020-03-09 | 2020-07-24 | 杭州海康威视系统技术有限公司 | 虚拟设备的管理系统及方法、电子设备及介质 |
| CN111581533A (zh) * | 2020-05-12 | 2020-08-25 | 腾讯科技（深圳）有限公司 | 目标对象的状态识别方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105183869B (zh) | 楼宇知识图谱数据库及其构建方法 | |
| CN110516067A (zh) | 基于话题检测的舆情监控方法、系统及存储介质 | |
| US9471874B2 (en) | Mining forums for solutions to questions and scoring candidate answers | |
| CN108491378B (zh) | 电力信息运维智能应答系统 | |
| CN108572967A (zh) | 一种创建企业画像的方法及装置 | |
| Nuortimo et al. | Exploring the global media image of solar power | |
| CN112329467A (zh) | 地址识别方法、装置、电子设备以及存储介质 | |
| Lin et al. | Understanding on-site inspection of construction projects based on keyword extraction and topic modeling | |
| CN110555568A (zh) | 一种基于社交网络信息的道路交通运行状态实时感知方法 | |
| CN110781670A (zh) | 基于百科知识库和词向量的中文地名语义消歧方法 | |
| CN112596731B (zh) | 一种融合智能教育的编程教学系统及方法 | |
| CN110738055A (zh) | 文本的实体识别方法、设备及存储介质 | |
| WO2023065798A1 (zh) | 道路动态事件的处理方法、装置、设备和介质 | |
| Wang et al. | When the open source community meets covid-19: Characterizing covid-19 themed github repositories | |
| WO2020130418A1 (ko) | 협력업체 공급망 리스크 분석 방법 | |
| CN113065580B (zh) | 一种基于多信息融合的电厂设备管理方法及系统 | |
| CN113010624B (zh) | 配电智能巡检系统 | |
| CN106557590A (zh) | 一种智能问答系统 | |
| CN112069381A (zh) | 一种基于自然语言处理技术的监控管理方法及系统 | |
| CN111581533B (zh) | 目标对象的状态识别方法、装置、电子设备和存储介质 | |
| CN102096659A (zh) | 一种用户手册生成方法及系统 | |
| CN111950875A (zh) | 一种合同智能评审方法 | |
| CN117093661B (zh) | 地图数据的处理方法、装置、电子设备以及存储介质 | |
| CN116663495B (zh) | 文本标准化处理方法、装置、设备及介质 | |
| Mo | Fuzzy matching algorithm of network information retrieval based on discrete mathematics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201211 |