CN113064924A - 一种核电大数据经验检索与推送方法 - Google Patents
一种核电大数据经验检索与推送方法 Download PDFInfo
- Publication number
- CN113064924A CN113064924A CN202110270844.8A CN202110270844A CN113064924A CN 113064924 A CN113064924 A CN 113064924A CN 202110270844 A CN202110270844 A CN 202110270844A CN 113064924 A CN113064924 A CN 113064924A
- Authority
- CN
- China
- Prior art keywords
- data
- experience feedback
- nuclear power
- big data
- experience
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000006870 function Effects 0.000 claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000004140 cleaning Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000003058 natural language processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 abstract description 3
- 210000001520 comb Anatomy 0.000 abstract description 2
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000002360 preparation method Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000009960 carding Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于核电领域，具体涉及一种核电大数据经验反馈精准检索与智能推送方法。目前的核电站检索方式不太智能和精准，利用效率低，没有全面转化为提升企业竞争力的数据资产，数据挖掘利用的层次较低，未能高质量的实现经验反馈。本发明方法包括步骤一：经验反馈大数据平台应用架构建设；步骤二：经验反馈大数据平台采集架构建设；步骤三：经验反馈大数据平台检索；步骤四：经验反馈大数据平台推送。本发明为了实现广义经验反馈信息的管理和查询功能，对历史数据进行抓取并开展梳理，将经验反馈案例进行精准检索、分类、并自动推送到相关维修工作人员，能实现核电厂状态报告的自动定级、自动分发功能。
Description
技术领域
本发明属于核电领域，具体涉及一种核电大数据经验检索与推送方法。
背景技术
近些年生产安全事件频发，企业的安全生产已经越来越受到国家重视，安全生产不仅是涉及职工生命安全的大事，也关系到企业的生存发展和稳定，还关系到社会安定。核电厂作为国家电力系统的重要组成部分，近年来核电运行机组的安全稳定运行已成为首要任务，目前国内核电已运行机组数量多并且涉及型号广，加上许多电厂运行多年，已积累了大量运行事件。如何能够很好的利用并学习已发生的事件，预防事件的重发，提升机组运行安全性，降低人员伤亡和经济损失，保障核电厂能安全、可靠、经济的运行成为亟需解决的问题。
当前各电厂各自经验反馈系统已积累了大量内外部经验反馈数据，比如：状态报告(CR)、由状态报告开发出的运行事件报告、内部事件报告、纠正行动计划、JIT(及时经验反馈)、工单信息(包含工单任务、风险分析、完工报告等)、质量缺陷报告(QDR)等。这些数据均分散在不同的业务系统中，没有得到有效的整合，业务部门主要通过经验反馈处的定期推送和自身的主动检索进行学习，但定期推送无法满足业务人员对当前工作中历史经验反馈的实时需求，且目前的检索方式不太智能和精准，往往得不到最想要的经验反馈数据信息。由于该部分数据资源的加工利用主要通过人工来完成，利用效率低，没有全面转化为提升企业竞争力的数据资产，数据挖掘利用的层次较低，未能高质量的实现经验反馈。为了更好的利用该部分数据资源，让其转化为越用越有价值的企业资产，同时最大程度上提升经验反馈的效果，需要对该部分数据进行大数据分析与应用，以便实现广义经验反馈数据的深度挖掘和利用。
发明内容
1、目的：
本发明为了实现广义经验反馈信息的管理和查询功能，对历史数据进行抓取并开展梳理，将经验反馈案例进行精准检索、分类、并自动推送到相关维修工作人员，能实现核电厂状态报告的自动定级、自动分发功能。
2、技术方案：
一种核电大数据经验检索与推送方法，包括步骤一：经验反馈大数据平台应用架构建设；步骤二：经验反馈大数据平台采集架构建设；步骤三：经验反馈大数据平台检索；步骤四：经验反馈大数据平台推送。
步骤一：经验反馈大数据平台应用架构建设，具体包括：在已有大数据平台基础上，架设ETL数据抽取、词库管理、数据管理、用户管理四个基础功能，构建自然语言分词服务，全文检索服务两个核心功能，精准检索、智能推送、专业词库管理三个应用。
步骤一：经验反馈大数据平台应用架构建设，具体构建为四层，具体包括：
数据采集层：从相关的生成系统中采集结构化和非结构化数据，作为ETL的数据源；
数据计算层：根据数据模板对采集到的数据进行数据清洗、内容分析、关键词提取、数据归约处理，完成数据的分析归类及词库的关联权重处理；
数据服务层：对计算后的数据进行索引处理和存储，为数据应用层提供搜索和智能语意分析处理，实现智能搜索和推送服务；
数据应用层：提供相应的数据调用接口和数据应用界面服务。
步骤二：经验反馈大数据平台采集架构建设，具体包括：将生产管理工单系统、经验反馈系统数据库中的数据内容，抽取到大数据平台中；结构化数据源，将核电生产系统中的历史数据表进行全量抽取，对实时数据进行增量抽取；对核电生产系统中非结构化日志进行采集；经过数据流处理和逻辑分析后，将结果数据存入数据表。
步骤三：经验反馈大数据平台智能检索，具体包括：
(1)建立核电经验反馈大数据词库，主要包括两部分,核电专业词库、同义词库和停用词库；核电专业词库由业务人员创建，同义词库需按照业务需求来提供，主要是建立词与词的对应关系；
(2)优化分词模型，将现有的、流行的分词工具对核电语料进行分词，专业人员对分词结果纠错后，再用分词工具对纠错后的语料进行学习，从而优化分词模型；
(3)自然语言处理，自然语言处理是将历史经验反馈语料、检索输入等进行中文分词、去停用词、词性标注、依存句法分析、特征提取、句子相似度比较、文本相似度比较；
(4)中文分词，采用优化后的分词模型，结合核电经验反馈专业词库，对数据库中的经验反馈数据信息、用户输入检索条件的数据信息通过语义分词技术进行中文分词。
步骤四：经验反馈大数据平台推送，具体包括：
(1)主要分为历史工单的精准推送与历史事件的精准推送；
(1)精准推送，采用基于语义分析和搜索引擎的技术来匹配历史经验反馈信息与工单任务概述相关字段的相似度，根据相似度返回排序结果，工单与历史经验反馈信息的业务规则匹配进行权重匹配，形成最终排序结果并推送给工单准备人；
(2)工单任务准备人可选择与当前工单最相关的经验反馈信息，纳入工作包；维修工作准备人在准备当前工单时，工单相关工作信息已填入工单系统，根据已填入工单信息，利用语义分析和智能检索手段，将对工单任务与历史经验反馈信息进行规则匹配。将匹配的精准推送的内容，直接推送至工作准备人。
所述的数据清洗，包括：专业人员对数据结构、数据表单和字段进行预处理，预处理是对具体数据的字段进行选取，不需要的字段将其剔除，降低数据语义分词的难度。
所述的预处理包括数据清理与数据集成；数据清理,是进行数据格式标准化、异常数据清除、错误纠正、重复数据的清除；数据集成，是将不同数据源中的数据进行整合并统一存储。
3、效果：
建设经验反馈大数据体系，对历史数据进行抓取并开展梳理，保证数据的实用性与可用性；根据已构建数据平台，实现智能检索功能，使用户能够高效获得经验反馈数据；与其他应用系统联动，完成精准推送功能，使经验反馈数据真正融入日常工作之中。
利用大数据技术可以实现广义经验反馈信息的管理和查询功能，能将经验反馈案例进行精准检索、分类、并自动推送到相关维修工作人员，同时辅以人工智能技术，能实现核电厂状态报告的自动定级、自动分发功能，有效提高了工作人员的工作效率，减少了重发事件，促进经验反馈信息得到更有效的利用，项目整体收益高、且易于推广实施。
附图说明
图1经验反馈大数据平台技术架构
图2经验反馈大数据平台采集架构
图3经验反馈大数据平台智能检索
具体实施方式
建设经验反馈大数据体系，首先需要针对历史数据进行抓取并开展梳理，保证数据的实用性与可用性；根据已构建数据平台，实现智能检索功能，使用户能够高效获得经验反馈数据；与其他应用系统联动，完成精准推送功能，使经验反馈数据真正融入日常工作之中。
1、经验反馈大数据平台应用架构建设。
本次经验反馈大数据平台处理的数据量约200万条，面对如此数据量，数据存储不再适合传统的数据存储方式，因为传统的数据存储方式已经无法为数据的快速分析和搜索提供支持。为了满足搜索需要的快速存取以及磁盘的快速读/写，本研究采用Hbase(HadoopDatebase)框架，通过运用HBase中的各种组合件实现对经验反馈的大数据应用。Hbase是开源的非关系型分布式数据存储系统，也是基于列存储模型的分布式数据库。Hbase具备高可靠性、高性能、面向列、可伸缩、易扩展、数据模型灵活、支持随机和实时读/写等优点。
如图1所示，在已有大数据平台的基础上，架设ETL数据抽取、词库管理、数据管理、用户管理4个基础功能，在基础功能之上构建自然语言分词服务、Solr全文检索服务2个核心功能，而在核心功能之上架设精准检索、智能推送、专业词库管理3个应用。即从下到上为大数据平台、基础功能、核心功能、应用。自然语言分词服务、Solr全文检索，为上层提供稳固、高性能的功能服务支持。词库管理和与物资大数据项目的专业词库可以共享使用，相互补充。
总体分为四层架构，各层功能如下：
数据采集层：从秦山核电相关的生成系统中采集结构化和非结构化数据，作为ETL的数据源。
数据计算层：根据数据模板对采集到的数据进行数据清洗、内容分析、关键词提取、数据归约等处理，完成数据的分析归类及词库的关联权重处理。
数据服务层：对计算后的数据进行索引处理和存储，为数据应用层提供搜索和智能语意分析处理，实现智能搜索和推送服务。
数据应用层：提供相应的Resetful数据调用接口和数据应用界面服务。
2、经验反馈大数据平台采集架构建设。
如图2所示，平台涉及的数据源主要包括生产管理工单系统、经验反馈系统等的数据库中的数据内容，这些内容被抽取到大数据平台中。采用Kettle配置结构化数据源，将核电生产系统中的历史数据表进行全量抽取，对实时数据进行增量抽取。采用Logstash对核电生产系统中非结构化日志进行采集。Spark通过Spark Streaming以及RDD操作进行数据流的处理以及逻辑分析，将最终结果数据存入Hbase数据表中。
3、经验反馈大数据平台智能检索。
如图3所示，针对精准检索的使用场景，精准检索都是通过用户在检索入口进行关键词或语句的输入，系统采用基于语义分析和搜索引擎的技术来匹配历史经验反馈信息与输入关键词或语句的相似度，根据相似度的排序输出检索结果。
其中该业务需求的核心是采用基于语义分析和搜索引擎的技术匹配历史经验反馈信息与输入关键词或语句的相似度。主要使用语义分析的方法有：
建立核电经验反馈大数据词库。经验反馈大数据词库的建立是搜索的基础，词库的建立有助于提高分词的准确性。核电经验反馈大数据词库主要包括两部分,核电专业词库、同义词库和停用词库。核电专业词库的建设需要人为提供基本的专业核电词库，专业核电词库由业务人员创建。同义词库需按照业务需求来提供，主要是建立词与词的对应关系，比如“循环水泵”和“循泵”、“蒸发器”和“蒸汽发生器”等等。
优化分词模型。目前现有的分词工具只适合通用的语料库，在核电专业语料的分词过程中会产生很多错误，导致分词不准确。分词不准确，直接导致语句的语义分析不准确，进而影响搜索准确度。因此需将现有的、流行的分词工具对核电语料进行分词，专业人员对分词结果纠错后，再用分词工具对纠错后的语料进行学习，从而优化分词模型。
自然语言处理。自然语言处理是将历史经验反馈语料、检索输入等进行中文分词、去停用词、词性标注、依存句法分析、特征提取、句子相似度比较、文本相似度比较。
中文分词。采用优化后的分词模型，结合核电经验反馈专业词库，对Hbase数据库中的经验反馈数据信息、用户输入(搜索条件)的数据信息通过语义分词技术进行中文分词。
4、经验反馈大数据平台精准推送。
精准推送是在工单准备阶段，系统根据工单任务概述的一部分字段，采用基于语义分析和搜索引擎的技术来匹配历史经验反馈信息与工单任务概述相关字段的相似度，根据相似度返回排序结果，再根据工单与历史经验反馈信息的业务规则匹配进行权重匹配，最后形成最终排序结果并推送给工单准备人。工单任务准备人可选择与当前工单最相关的经验反馈信息，纳入工作包。
维修工作准备人在准备当前工单时，工单相关工作信息已填入工单系统，根据已填入工单信息，利用语义分析和智能检索手段，将对工单任务与历史经验反馈信息进行规则匹配。将匹配的精准推送的内容，直接推送至工作准备人。
精准推送的内容主要分为历史工单的精准推送与历史事件的精准推送。
历史工单的精准推送。根据当前准备工单任务的基本信息、工单类型、工单任务准备人的用户特点，向工单任务准备人精准推送历史类似工单的相关信息(包括工单任务信息、完工报告信息)，以便于工单任务准备人参照历史工单准备当前工单任务。
历史事件的精准推送。根据当前准备工单任务的基本信息、工单类型、工单任务准备人的用户特点，向工单任务准备人精准推送历史事件信息(包括运行事件报告、内部事件报告、纠正行动计划)，以便于工单任务准备人参照历史事件准备当前工单任务，并将值得经验反馈的历史事件纳入工作包。
本发明主要优势如下：
1、经验反馈数据整理与清洗。经验反馈数据以结构化数据为主，也包括非结构化数据，数据在挖掘和应用过程中，应该进行预处理。预处理需要专业人员对数据结构、数据表单和字段等进行分析后再作处理。预处理主要是对具体数据的字段进行选取，不需要的字段将其剔除，降低数据语义分词的难度。预处理包括数据清理与数据集成。数据清理将进行数据格式标准化、异常数据清除、错误纠正、重复数据的清除。数据集成将不同数据源中的数据进行整合并统一存储。
2、历史经验反馈数据的智能检索。面对海量经验反馈数据，需要高效快速进行检索，数据检索的高效化与智能化尤为重要。搜索引擎的架构设计应能够针对已整体域清洗后的数据，通过建模与分词服务，实现快速查询、关联查询、精确查询功能。
3、历史经验反馈数据的精准推送。将经验反馈数据与工单等应用系统进行关联，通过推送方式将经验反馈数据融入到应用系统中。如在工单准备阶段，根据工单输入的工作内容，经验反馈大数据平台依据工单信息中的设备、位置、工作内容等情况，自动推送与工单相关联历史经验反馈信息，工作准备人将该工单相关的历史经验反馈信息纳入工作包，在工前会期间，工作负责人可对历史经验反馈数据进行学习，避免同样的事件再次发生。
Claims (8)
1.一种核电大数据经验检索与推送方法，其特征在于：包括步骤一：经验反馈大数据平台应用架构建设；步骤二：经验反馈大数据平台采集架构建设；步骤三：经验反馈大数据平台检索；步骤四：经验反馈大数据平台推送。
2.根据权利要求1所述的一种核电大数据经验检索与推送方法，其特征在于：步骤一：经验反馈大数据平台应用架构建设，具体包括：在已有大数据平台基础上，架设ETL数据抽取、词库管理、数据管理、用户管理四个基础功能，构建自然语言分词服务，全文检索服务两个核心功能，精准检索、智能推送、专业词库管理三个应用。
3.根据权利要求1所述的一种核电大数据经验检索与推送方法，其特征在于：步骤一：经验反馈大数据平台应用架构建设，具体构建为四层，具体包括：
数据采集层：从相关的生成系统中采集结构化和非结构化数据，作为ETL的数据源；
数据计算层：根据数据模板对采集到的数据进行数据清洗、内容分析、关键词提取、数据归约处理，完成数据的分析归类及词库的关联权重处理；
数据服务层：对计算后的数据进行索引处理和存储，为数据应用层提供搜索和智能语意分析处理，实现智能搜索和推送服务；
数据应用层：提供相应的数据调用接口和数据应用界面服务。
4.根据权利要求1所述的一种核电大数据经验检索与推送方法，其特征在于：步骤二：经验反馈大数据平台采集架构建设，具体包括：将生产管理工单系统、经验反馈系统数据库中的数据内容，抽取到大数据平台中；结构化数据源，将核电生产系统中的历史数据表进行全量抽取，对实时数据进行增量抽取；对核电生产系统中非结构化日志进行采集；经过数据流处理和逻辑分析后，将结果数据存入数据表。
5.根据权利要求1所述的一种核电大数据经验检索与推送方法，其特征在于：步骤三：经验反馈大数据平台智能检索，具体包括：
(1)建立核电经验反馈大数据词库，主要包括两部分,核电专业词库、同义词库和停用词库；核电专业词库由业务人员创建，同义词库需按照业务需求来提供，主要是建立词与词的对应关系；
(2)优化分词模型，将现有的、流行的分词工具对核电语料进行分词，专业人员对分词结果纠错后，再用分词工具对纠错后的语料进行学习，从而优化分词模型；
(3)自然语言处理，自然语言处理是将历史经验反馈语料、检索输入等进行中文分词、去停用词、词性标注、依存句法分析、特征提取、句子相似度比较、文本相似度比较；
(4)中文分词，采用优化后的分词模型，结合核电经验反馈专业词库，对数据库中的经验反馈数据信息、用户输入检索条件的数据信息通过语义分词技术进行中文分词。
6.根据权利要求1所述的一种核电大数据经验检索与推送方法，其特征在于：步骤四：经验反馈大数据平台推送，具体包括：
(1)主要分为历史工单的精准推送与历史事件的精准推送；
(2)精准推送，采用基于语义分析和搜索引擎的技术来匹配历史经验反馈信息与工单任务概述相关字段的相似度，根据相似度返回排序结果，工单与历史经验反馈信息的业务规则匹配进行权重匹配，形成最终排序结果并推送给工单准备人；
(3)工单任务准备人可选择与当前工单最相关的经验反馈信息，纳入工作包；维修工作准备人在准备当前工单时，工单相关工作信息已填入工单系统，根据已填入工单信息，利用语义分析和智能检索手段，将对工单任务与历史经验反馈信息进行规则匹配。将匹配的精准推送的内容，直接推送至工作准备人。
7.根据权利要求3所述的一种核电大数据经验检索与推送方法，其特征在于：所述的数据清洗，包括：专业人员对数据结构、数据表单和字段进行预处理，预处理是对具体数据的字段进行选取，不需要的字段将其剔除，降低数据语义分词的难度。
8.根据权利要求7所述的一种核电大数据经验检索与推送方法，其特征在于：所述的预处理包括数据清理与数据集成；数据清理,是进行数据格式标准化、异常数据清除、错误纠正、重复数据的清除；数据集成，是将不同数据源中的数据进行整合并统一存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110270844.8A CN113064924A (zh) | 2021-03-12 | 2021-03-12 | 一种核电大数据经验检索与推送方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110270844.8A CN113064924A (zh) | 2021-03-12 | 2021-03-12 | 一种核电大数据经验检索与推送方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113064924A true CN113064924A (zh) | 2021-07-02 |
Family
ID=76560221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110270844.8A Pending CN113064924A (zh) | 2021-03-12 | 2021-03-12 | 一种核电大数据经验检索与推送方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113064924A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114385786A (zh) * | 2021-12-27 | 2022-04-22 | 核动力运行研究所 | 一种核电经验反馈智能化推荐系统和方法 |
| CN115080687A (zh) * | 2022-06-10 | 2022-09-20 | 中核核电运行管理有限公司 | 一种核电厂工单任务与质量缺陷报告信息精准匹配方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789006A (zh) * | 2010-01-29 | 2010-07-28 | 华东电网有限公司 | 基于智能搜索的电网企业信息集成系统的快速检索方法 |
| CN102033910A (zh) * | 2010-11-19 | 2011-04-27 | 福建富士通信息软件有限公司 | 一种基于多数据源的企业搜索引擎技术 |
| CN103605665A (zh) * | 2013-10-24 | 2014-02-26 | 杭州电子科技大学 | 一种基于关键词的评审专家智能检索与推荐方法 |
| CN106372108A (zh) * | 2016-08-19 | 2017-02-01 | 中广核工程有限公司 | 一种应用于核电设计的经验反馈数据的智能推送方法及系统 |
| CN109033387A (zh) * | 2018-07-26 | 2018-12-18 | 广州大学 | 一种融合多源数据的物联网搜索系统、方法及存储介质 |
| CN111899829A (zh) * | 2020-07-31 | 2020-11-06 | 青岛百洋智能科技股份有限公司 | 一种基于icd9/10分词词库的全文检索匹配引擎 |
-
2021
- 2021-03-12 CN CN202110270844.8A patent/CN113064924A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789006A (zh) * | 2010-01-29 | 2010-07-28 | 华东电网有限公司 | 基于智能搜索的电网企业信息集成系统的快速检索方法 |
| CN102033910A (zh) * | 2010-11-19 | 2011-04-27 | 福建富士通信息软件有限公司 | 一种基于多数据源的企业搜索引擎技术 |
| CN103605665A (zh) * | 2013-10-24 | 2014-02-26 | 杭州电子科技大学 | 一种基于关键词的评审专家智能检索与推荐方法 |
| CN106372108A (zh) * | 2016-08-19 | 2017-02-01 | 中广核工程有限公司 | 一种应用于核电设计的经验反馈数据的智能推送方法及系统 |
| CN109033387A (zh) * | 2018-07-26 | 2018-12-18 | 广州大学 | 一种融合多源数据的物联网搜索系统、方法及存储介质 |
| CN111899829A (zh) * | 2020-07-31 | 2020-11-06 | 青岛百洋智能科技股份有限公司 | 一种基于icd9/10分词词库的全文检索匹配引擎 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114385786A (zh) * | 2021-12-27 | 2022-04-22 | 核动力运行研究所 | 一种核电经验反馈智能化推荐系统和方法 |
| CN115080687A (zh) * | 2022-06-10 | 2022-09-20 | 中核核电运行管理有限公司 | 一种核电厂工单任务与质量缺陷报告信息精准匹配方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112860872B (zh) | 基于自学习的配电网操作票语义合规性的校验方法及系统 | |
| CN112612902A (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
| CN104572709B (zh) | 用于企业创新体系的数据挖掘系统 | |
| CN112183059B (zh) | 一种中文结构化事件抽取方法 | |
| CN111967761A (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
| CN112100397A (zh) | 基于双向门控循环单元的电力预案知识图谱构建方法及系统 | |
| CN113064924A (zh) | 一种核电大数据经验检索与推送方法 | |
| CN108665141B (zh) | 一种从突发事件预案中自动抽取应急响应流程模型的方法 | |
| CN110544035A (zh) | 一种内控检测方法、系统和计算机可读存储介质 | |
| CN117827882A (zh) | 一种基于深度学习的金融数据库sql质量评分方法、系统、设备和可存储介质 | |
| CN115879901B (zh) | 一种智能人事自助服务平台 | |
| CN115759562A (zh) | 一种核电厂大修预防性维修工单逻辑关系和工期计算算法 | |
| CN115438995A (zh) | 一种基于知识图谱的服装定制企业的业务处理方法及设备 | |
| CN115937881A (zh) | 一种知识图谱构建标准表格内容自动识别方法 | |
| Xu | Research on enterprise knowledge unified retrieval based on industrial big data | |
| CN112668836B (zh) | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 | |
| CN114579690A (zh) | 航天人误数据采集与分析方法和系统 | |
| Meng et al. | Design and Implementation of Knowledge Graph Platform of Power Marketing | |
| CN116151524A (zh) | 一种应用于核电厂工单任务的精准匹配方法 | |
| Chen et al. | Design and Implementation of a Business Management Information System Under Improved Neural Network Algorithm | |
| CN111814457A (zh) | 一种电网工程合同文本生成方法 | |
| Zhengyu et al. | Knowledge Graph Construction and Intelligent Application Based on Enterprise-level Big Data of Nuclear Power Industry | |
| CN117952325B (zh) | 标准化信息管理系统 | |
| Yang et al. | Construction of Engineering Material Demand Data Space Integrating Macroeconomic Data | |
| CN118246749B (zh) | 一种基于大模型代理的财务数据风险分析方法及系统 |
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: 20210702 |