CN112528627B - 一种基于自然语言处理的检修意见识别方法 - Google Patents
一种基于自然语言处理的检修意见识别方法 Download PDFInfo
- Publication number
- CN112528627B CN112528627B CN202011483532.7A CN202011483532A CN112528627B CN 112528627 B CN112528627 B CN 112528627B CN 202011483532 A CN202011483532 A CN 202011483532A CN 112528627 B CN112528627 B CN 112528627B
- Authority
- CN
- China
- Prior art keywords
- sentences
- maintenance
- library
- equipment
- abnf
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003058 natural language processing Methods 0.000 title claims abstract description 16
- 230000014509 gene expression Effects 0.000 claims abstract description 62
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于自然语言处理的检修意见识别方法，包括获取构建好的ABNF表达式模型；利用所述ABNF表达式模型对获取到的检修意见进行识别；其中，所述ABNF表达式模型的构建步骤包括：将预设的检修意见拆解成语句；获取构建好的设备实体库；按照预设的规则，以及所述设备实体库，整理所述语句；对整理后的语句进行标识；获取构建好的正则表达式，并存入所述设备实体库；基于所述正则表达式，以及经标识后的语句，生成ABNF表达式模型。本发明通过有效提取检修意见中编写人的真实意图，建立一种让计算机理解各部门检修意见的方法，从而帮助操作人员快速准确地理解各部门检修意见，节省人力成本。
Description
技术领域
本发明属于检修意见处理领域，具体涉及一种基于自然语言处理的检修意见识别方法。
背景技术
随着电网规模的不断扩大，电力设备的数量及种类不断增加，电力设备检修的类型及频次也随之增加，电力设备每一张检修单所涉及的设备数量及种类也越来越多，对核实检修意见的工作人员的要求增高；而且为防止意外，各部门对检修单的意见也随之增加，大量检修单意见增加了工作人员的工作量。
目前存在的问题主要有：
(1)检修意见的识别都是由人工完成，而检修意见里有很多重复性意见必须由人工核实，造成人力资源浪费。
(2)每增加一种新的电力设备，工作人员就需要了解该设备的相关知识，而工作人员的知识水平高低可能导致存在理解偏差。
(3)将检修任务的意见按照部门进行分开展示，由于各部门意见分散，无主次及直观的逻辑关系，无法让人快速且准确地理解填写人的真实意图，可能造成人为的理解偏差。
(4)将检修任务的意见按照部门进行分开展示，对于部门间重复意见，核实检修意见的工作人员需要重复的核对，造成人力资源的浪费。
发明内容
针对上述问题，本发明提出一种基于自然语言处理的检修意见识别方法，通过有效提取检修意见中编写人的真实意图，建立一种让计算机理解各部门检修意见的方法，从而帮助操作人员快速准确地理解各部门检修意见，节省人力成本。
为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于自然语言处理的检修意见识别方法，包括：
获取构建好的ABNF表达式模型；
利用所述ABNF表达式模型对获取到的检修意见进行识别；
其中，所述ABNF表达式模型的构建步骤包括：
将预设的检修意见拆解成语句；
获取构建好的设备实体库；
按照预设的规则，以及所述设备实体库，整理所述语句；
对整理后的语句进行标识；
获取构建好的正则表达式，并存入所述设备实体库；
基于所述正则表达式，以及经标识后的语句，生成ABNF表达式模型。
可选地，所述将预设的检修意见拆解成语句步骤之前还包括：
对预设的检修意见进行清洗。
可选地，所述对预设的检修意见进行清洗，包括以下步骤：
将长度低于3的检修意见，及完全由字母、数字、标点符号、特殊字符组成的检修意见清除；
如果检修意见结尾有多个标点符号，则清除检修意见结尾处的多个标点，只保留最后一个。
可选地，所述将预设的检修意见拆解成语句，具体为：
将预设的检修意见按照符号进行拆解成句。
可选地，所述设备实体库的构建步骤包括：
使用redis库作为缓存，构建设备实体库，其中：
1)在redis库中使用Hash标识设备及设备类型；
2)在redis库中记录每一种设备类型下有哪些设备；
3)在redis库中记录厂站，及所有厂站统一标识；
4)在redis库缓存电力故障专有词汇。
可选地，所述按照预设的规则，以及所述设备实体库，整理所述语句，包括以下步骤：
1)将所有的语句中设备名称替换成设备类型，故障名称替换成故障类型，厂站名称替换成厂站统一标识，设备状态替换成状态唯一标识；
2)以步骤1)为基础，去除重复出现的语句，存入redis库作为基础语句Bas；
3)使用分词工具，对每个语句进行分词及词性标注；
4)使用步骤3)的结果计算各个语句间的余弦相似度；
5)将余弦相似度大于设定阈值的语句进行比较，抽取不同的部分在redis库中构建特殊词对库，合并相关语句进行语句标识，并标识当前语句存在并列结构。
可选地，所述对整理后的语句进行标识，包括以下步骤：
对整理后的语句进行标识，分析出语句中有意义实体、状态；
将对语句的标识抽象成JSON语句。
可选地，所述正则表达式的构建步骤包括：
根据设备、厂站名称的命名规则构建正则表达式；
构建设备状态正则表达式；
构建电力事故正则表达式；
将所有的正则表达式存放到redis库中，并对每一个正则表达式设定唯一标识。
可选地，所述ABNF表达式模型的构建步骤包括：
1)将标识过的语句，使用设备名称、厂站名称、设备状态、电力事故名称、专家标识信息和特殊词对库中词语进行句子拆分；
2)将步骤1)中拆分的句子词语做替换，将所有的设备名称、厂站名称、设备状态、电力事故替换成对应标识；
3)判断句子中存在特殊词对库中的词语，判断特殊词在本句中是否存在并列结构，若存在，使用方括号包裹特殊词语及对应的并列句；
4)为步骤3)中的所有的句子设定唯一标识句子的标识，将标识同标识结果一一对应；
5)将步骤4)中的结果存到redis库中。
可选地，所述利用所述ABNF表达式模型对获取到的检修意见进行识别，包括以下步骤：
获取所有的ABNF表达式和待识别的检修意见；
采用ABNF匹配程序解析文本，循环调用ABNF表达式去匹配检修意见，在匹配过程中遇到表达式中有自定义标识，则采用对应正则表达式去匹配字符串，匹配成功，进行表达式下一标志位继续匹配，若匹配失败，继续进行下一个ABNF表达式的匹配；
其中，如果匹配成功，则进行将返回结果组装标志位所代表的信息，结合专家意见封装成结果JSON；
如果匹配失败，将待识别语句作为Or1，将Or1中的设备名称替换成设备类型，故障名称替换成故障类型，厂站名称替换成厂站唯一标识，设备状态替换成状态唯一标识操作后的语句作为Nr1，将Nr1同Bas中的所有语句进行相似度计算，相似度如果超过预设值，则选择相似度最高的语句Ts1，按照语句Ts1对应的语义结构从Nr1中获取语义，封装成JSON；若相似度低于设定阈值，则标识识别失败，将Or1同Nr1记录日志，返回识别失败。
与现有技术相比，本发明的有益效果：
本发明通过有效提取检修意见中编写人的真实意图，建立一种让计算机理解各部门检修意见的方法，从而帮助操作人员快速准确地理解各部门检修意见，节省人力成本。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1为本发明一种实施例的基于自然语言处理的检修意见识别方法的整体流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明中的基于自然语言处理的检修意见识别方法具体包括以下步骤：
步骤1、意见清洗：清洗没有实际意义的检修意见
具体为：将长度低于3的检修意见，及完全由字母、数字、标点符号、特殊字符组成的检修意见清除；如果检修意见结尾有多个标点符号，清除检修意见结尾处的多个标点，只保留最后一个。所述的检修意见为各部门为保证电力系统平稳运行，防止生产系统故障，会对检修提出预防意见或出现情况后的应对方案。
步骤2、意见拆解：
拆解检修意见，将检修意见按照符号进行拆解成句，再对拆解后的语句进行二次清洗。
步骤3、设备实体库创建：
使用redis作为缓存，构建设备实体库，其中
5)在redis库中使用Hash标识设备及设备类型；
6)在redis库中记录每一种设备类型下有哪些设备；
7)在redis库中记录厂站，及所有厂站统一标识；
8)在redis库缓存电力故障专有词汇。
步骤4、语句整理：
1)将所有的语句中设备名称替换成设备类型，故障名称替换成故障类型，厂站名称替换成厂站统一标识，设备状态替换成状态唯一标识；
2)以步骤1)为基础，去除重复出现的语句，存入redis库作为基础语句Bas；
3)使用分词工具，对每一句进行分词及词性标注；
4)使用步骤3)的结果计算句子间的余弦相似度；所述余弦相似度又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度；
5)将余弦相似度大于0.9的句子进行比较，抽取不同的部分在redis库中构建特殊词对库；合并相关语句进入语句标识，并标识当前语句存在并列结构。
步骤5、语句标识：
1)电力专家对整理后的语句进行标识，分析出语句中有意义实体、状态等；
2)将电力专家对语句的标识，抽象成JSON语句。JSON(JavaScript ObjectNotation)是一个标准规范，是一种轻量级的用于数据交换的格式。易于人阅读和编写。同时也易于机器解析和生成。
步骤6、构建正则表达式：
根据设备、厂站名称的命名规则构建正则表达式；
构建设备状态正则表达式；
构建电力事故正则表达式。
将所有的表达式存放到redis数据库中，并对每一个表达式设定唯一标识(token)，如开关的标识(token)为breaker，状态的标识(token)为status。
步骤7、程序生成ABNF表达式模型：
1)将步骤5中处理完的语句，使用设备名称、厂站名称、设备状态、电力事故名称、专家标识信息和特殊词对库中词语进行句子拆分。
2)将步骤1)中拆分的句子词语做替换，将所有的设备名称、厂站名称、设备状态、电力事故替换成对应标识(token)。
3)判断句子中存在特殊词对库中的词语，判断特殊词在本句中是否存在并列结构。若存在，使用方括号包裹特殊词语及对应的并列句。
4)为步骤3)中的所有的句子设定唯一标识句子的标识(token)。将token同标识结果一一对应。
5)将步骤4)中的结果存到redis库中。
ABNF(扩展巴克斯范式，Augmented BNF)是在IETF(Internet工程任务组，Internet Engineering Task Force)组织在RFC2234中定义的一个字符串模式匹配的文法定义。ABNF是在BNF(巴克斯范式)基础上的扩展，其与标准巴克斯范式区别包括命名规则、循环、选择、次序独立以及值域。
步骤8、意见识别：
1)获取Redis库中所有的ABNF表达式；
2)获取检修意见；
3)对检修意见按照步骤1进行数据清洗，按照步骤2进行意见拆解；
4)采用ABNF匹配程序解析文本，循环调用ABNF表达式去匹配检修意见。在匹配过程中遇到表达式中有自定义token，则采用对应正则表达式去匹配字符串，匹配成功，进行表达式下一标志位继续匹配。匹配失败，继续进行下一个ABNF表达式的匹配。
5)根据步骤4)的结果，如果匹配成功，则进行将返回结果组装标志位所代表的信息，结合专家意见封装成结果JSON。
6)根据步骤4)的结果，如果匹配失败，将待识别语句作为Or1。将Or1中的设备名称替换成设备类型，故障名称替换成故障类型，厂站名称替换成厂站唯一标识，设备状态替换成状态唯一标识操作后的语句作为Nr1，将Nr1同Bas中的所有语句进行相似度计算。相似度如果超过0.9，选择相似度最高的语句Ts1，按照Ts1对应的语义结构从Nr1中获取语义，封装成JSON。相似度低于0.9，则识别失败，将Or1同Nr1记录日志，返回识别失败。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于自然语言处理的检修意见识别方法，其特征在于，包括：
获取构建好的ABNF表达式模型；
利用所述ABNF表达式模型对获取到的检修意见进行识别；
其中，所述ABNF表达式模型的构建步骤包括：
将预设的检修意见拆解成语句；
获取构建好的设备实体库；
按照预设的规则，以及所述设备实体库，整理所述语句；
对整理后的语句进行标识；
获取构建好的正则表达式，并存入所述设备实体库；
基于所述正则表达式，以及经标识后的语句，生成ABNF表达式模型；
所述ABNF表达式模型的构建步骤包括：
1）将标识过的语句，使用设备名称、厂站名称、设备状态、电力事故名称、专家标识信息和特殊词对库中词语进行句子拆分；
2）将步骤1）中拆分的句子词语做替换，将所有的设备名称、厂站名称、设备状态、电力事故替换成对应标识；
3）判断句子中存在特殊词对库中的词语，判断特殊词在本句中是否存在并列结构，若存在，使用方括号包裹特殊词语及对应的并列句；
4）为步骤3）中的所有的句子设定唯一标识句子的标识，将标识同标识结果一一对应；
5）将步骤4）中的结果存到redis库中；
所述利用所述ABNF表达式模型对获取到的检修意见进行识别，包括以下步骤：
获取所有的ABNF表达式和待识别的检修意见；
采用ABNF匹配程序解析文本，循环调用ABNF表达式去匹配检修意见，在匹配过程中遇到表达式中有自定义标识，则采用对应正则表达式去匹配字符串，匹配成功，进行表达式下一标志位继续匹配，若匹配失败，继续进行下一个ABNF表达式的匹配；
其中，如果匹配成功，则进行将返回结果组装标志位所代表的信息，结合专家意见封装成结果JSON；
如果匹配失败，将待识别语句作为Or1，将Or1中的设备名称替换成设备类型，故障名称替换成故障类型，厂站名称替换成厂站唯一标识，设备状态替换成状态唯一标识操作后的语句作为Nr1，将Nr1同Bas中的所有语句进行相似度计算，相似度如果超过预设值，则选择相似度最高的语句Ts1，按照语句Ts1对应的语义结构从Nr1中获取语义，封装成JSON；若相似度低于设定阈值，则标识识别失败，将Or1同Nr1记录日志，返回识别失败。
2.根据权利要求1所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述将预设的检修意见拆解成语句步骤之前还包括：
对预设的检修意见进行清洗。
3.根据权利要求2所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述对预设的检修意见进行清洗，包括以下步骤：
将长度低于3的检修意见，及完全由字母、数字、标点符号、特殊字符组成的检修意见清除；
如果检修意见结尾有多个标点符号，则清除检修意见结尾处的多个标点，只保留最后一个。
4.根据权利要求1所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述将预设的检修意见拆解成语句，具体为：
将预设的检修意见按照符号进行拆解成句。
5.根据权利要求1所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述设备实体库的构建步骤包括：
使用redis库作为缓存，构建设备实体库，其中：
1）在redis库中使用Hash标识设备及设备类型；
2）在redis库中记录每一种设备类型下有哪些设备；
3）在redis库中记录厂站，及所有厂站统一标识；
4）在redis库缓存电力故障专有词汇。
6.根据权利要求5所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述按照预设的规则，以及所述设备实体库，整理所述语句，包括以下步骤：
1）将所有的语句中设备名称替换成设备类型，故障名称替换成故障类型，厂站名称替换成厂站统一标识，设备状态替换成状态唯一标识；
2）以步骤1）为基础，去除重复出现的语句，存入redis库作为基础语句Bas；
3）使用分词工具，对每个语句进行分词及词性标注；
4）使用步骤3）的结果计算各个语句间的余弦相似度；
5）将余弦相似度大于设定阈值的语句进行比较，抽取不同的部分在redis库中构建特殊词对库，合并相关语句进行语句标识，并标识当前语句存在并列结构。
7.根据权利要求1所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述对整理后的语句进行标识，包括以下步骤：
对整理后的语句进行标识，分析出语句中有意义实体、状态；
将对语句的标识抽象成JSON语句。
8.根据权利要求1所述的一种基于自然语言处理的检修意见识别方法，其特征在于：所述正则表达式的构建步骤包括：
根据设备、厂站名称的命名规则构建正则表达式；
构建设备状态正则表达式；
构建电力事故正则表达式；
将所有的正则表达式存放到redis库中，并对每一个正则表达式设定唯一标识。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011483532.7A CN112528627B (zh) | 2020-12-16 | 2020-12-16 | 一种基于自然语言处理的检修意见识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011483532.7A CN112528627B (zh) | 2020-12-16 | 2020-12-16 | 一种基于自然语言处理的检修意见识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112528627A CN112528627A (zh) | 2021-03-19 |
| CN112528627B true CN112528627B (zh) | 2022-10-04 |
Family
ID=75000547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011483532.7A Active CN112528627B (zh) | 2020-12-16 | 2020-12-16 | 一种基于自然语言处理的检修意见识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112528627B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109388700A (zh) * | 2018-10-26 | 2019-02-26 | 广东小天才科技有限公司 | 一种意图识别方法及系统 |
| CN110619046A (zh) * | 2019-08-30 | 2019-12-27 | 交控科技股份有限公司 | 一种基于故障跟踪表的故障识别方法 |
| CN110674639A (zh) * | 2019-09-24 | 2020-01-10 | 拾音智能科技有限公司 | 一种基于预训练模型的自然语言理解方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7295965B2 (en) * | 2001-06-29 | 2007-11-13 | Honeywell International Inc. | Method and apparatus for determining a measure of similarity between natural language sentences |
| US20060167873A1 (en) * | 2005-01-21 | 2006-07-27 | Degenaro Louis R | Editor for deriving regular expressions by example |
| CN1842081B (zh) * | 2005-03-30 | 2010-06-02 | 华为技术有限公司 | 扩展巴克斯范式字符串模式匹配和解析的方法及装置 |
| CN103699391B (zh) * | 2013-12-30 | 2017-01-11 | 天津大学 | 从传统Web服务到多维度语义模型的Web服务转换方法 |
| US10599767B1 (en) * | 2018-05-31 | 2020-03-24 | The Ultimate Software Group, Inc. | System for providing intelligent part of speech processing of complex natural language |
| US11249992B2 (en) * | 2018-09-21 | 2022-02-15 | Servicenow, Inc. | Parsing of user queries in a remote network management platform using extended context-free grammar rules |
| CN109918676B (zh) * | 2019-03-18 | 2023-06-27 | 广东小天才科技有限公司 | 一种检测意图正则表达式的方法及装置、终端设备 |
| CN111340253B (zh) * | 2020-02-17 | 2023-12-29 | 国网山东省电力公司东营供电公司 | 一种主网检修申请单的解析方法及系统 |
| CN112036582A (zh) * | 2020-06-10 | 2020-12-04 | 国网浙江省电力有限公司 | 配网抢修工单处理方法及装置 |
| CN111832977A (zh) * | 2020-07-30 | 2020-10-27 | 广东电网有限责任公司 | 一种基于自然语言解析的检修申请自动成票方法 |
-
2020
- 2020-12-16 CN CN202011483532.7A patent/CN112528627B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109388700A (zh) * | 2018-10-26 | 2019-02-26 | 广东小天才科技有限公司 | 一种意图识别方法及系统 |
| CN110619046A (zh) * | 2019-08-30 | 2019-12-27 | 交控科技股份有限公司 | 一种基于故障跟踪表的故障识别方法 |
| CN110674639A (zh) * | 2019-09-24 | 2020-01-10 | 拾音智能科技有限公司 | 一种基于预训练模型的自然语言理解方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112528627A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104850554B (zh) | 一种搜索方法和系统 | |
| Kobayashi et al. | Towards an NLP-based log template generation algorithm for system log analysis | |
| CN112199496A (zh) | 基于多头注意力机制与rcnn网络的电网设备缺陷文本分类方法 | |
| CN106372053A (zh) | 句法分析的方法和装置 | |
| Tschuggnall et al. | Enhancing authorship attribution by utilizing syntax tree profiles | |
| CN113157860A (zh) | 一种基于小规模数据的电力设备检修知识图谱构建方法 | |
| CN115617946A (zh) | 一种基于知识图谱的供电运维全要素数据融合方法 | |
| US20240071375A1 (en) | System and a method for detectiing point anomaly | |
| Nguyen et al. | Named entity recognition for Vietnamese | |
| JP2019144706A (ja) | 関係性推定モデル学習装置、方法、及びプログラム | |
| US20210209303A1 (en) | High volume message classification and distribution | |
| CN112528627B (zh) | 一种基于自然语言处理的检修意见识别方法 | |
| CN111597302B (zh) | 文本事件的获取方法、装置、电子设备及存储介质 | |
| CN112257425A (zh) | 一种基于数据分级模型的电力数据分析方法及系统 | |
| US20120197894A1 (en) | Apparatus and method for processing documents to extract expressions and descriptions | |
| JP6168057B2 (ja) | 不具合発生原因抽出装置、不具合発生原因抽出方法および不具合発生原因抽出プログラム | |
| CN113779256A (zh) | 一种文件审核方法及系统 | |
| CN114757191A9 (zh) | 基于深度学习的电力舆情领域命名实体识别方法及系统 | |
| CN114969334A (zh) | 异常日志检测方法、装置、电子设备及可读存储介质 | |
| CN114186028A (zh) | 咨诉工单处理方法、装置、设备及存储介质 | |
| Sun | Chinese named entity recognition using modified conditional random field on postal address | |
| CN109597879B (zh) | 一种基于“引文关系”数据的业务行为关系抽取方法及装置 | |
| Pokharel | Information Extraction Using Named Entity Recognition from Log Messages | |
| CN115587599B (zh) | 一种机器翻译语料的质量检测方法及装置 | |
| CN116595972A (zh) | 数据处理方法、装置及电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |