CN114564947A - 轨道交通信号故障运维方法、装置及电子设备 - Google Patents

轨道交通信号故障运维方法、装置及电子设备 Download PDF

Info

Publication number
CN114564947A
CN114564947A CN202210210193.8A CN202210210193A CN114564947A CN 114564947 A CN114564947 A CN 114564947A CN 202210210193 A CN202210210193 A CN 202210210193A CN 114564947 A CN114564947 A CN 114564947A
Authority
CN
China
Prior art keywords
word frequency
fault
frequency vector
case
rail transit
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
Application number
CN202210210193.8A
Other languages
English (en)
Inventor
包立麒
迟宝全
肖光才
王海廷
樊文华
赵东来
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Electrification Bureau Group Shanghai Engineering Co ltd
Shanghai Fuxin Intelligent Transportation Solutions Co ltd
Original Assignee
China Railway Electrification Bureau Group Shanghai Engineering Co ltd
Shanghai Fuxin Intelligent Transportation Solutions Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Electrification Bureau Group Shanghai Engineering Co ltd, Shanghai Fuxin Intelligent Transportation Solutions Co ltd filed Critical China Railway Electrification Bureau Group Shanghai Engineering Co ltd
Priority to CN202210210193.8A priority Critical patent/CN114564947A/zh
Publication of CN114564947A publication Critical patent/CN114564947A/zh
Pending legal-status Critical Current

Links

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
    • G06F40/216—Parsing using statistical methods
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Abstract

本申请实施例提供一种轨道交通信号故障运维方法、装置及电子设备，在接收到客户端发送的轨道交通信号故障的故障描述文本后，对故障描述文本进行处理生成故障词频向量，将每个案例文本分别作为目标词频向量，将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；在判断出目标词频向量对应的多个相似度值均大于或等于预设相似度值时将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。本申请能够根据多个相似度值与预设相似度值的大小关系直接准确确定出与轨道交通信号故障相似的案例文本，为轨道交通信号故障运维提供了参考和决策。

Description

轨道交通信号故障运维方法、装置及电子设备
技术领域
本发明涉及信息处理技术领域，尤其是涉及一种轨道交通信号故障运维方法、装置及电子设备。
背景技术
轨道交通信号出现故障极大影响了人们的出行安全，因此，及时对故障的轨道交通信号进行运维是十分必要的。
目前，一些维护监测系统、管理平台开发案例库功能，可提交表单或导入故障案例，或将采集数据作为案例进行保存，维保人员可自行查阅已上传的轨道交通信号故障文档的方式应对重复发生的故障，这种查阅方式主要是基于关键字进行检索，较难精准匹配到有帮助的过往故障案例，进而不利于维保人员对轨道交通信号的故障运维。
发明内容
有鉴于此，本发明的目的在于提供一种轨道交通信号故障运维方法、装置及电子设备，能够准确查询到与该轨道交通信号故障相似的过往故障案例文本，为轨道交通信号故障运维提供了参考和决策，使得维保人员能够快速解决故障，保证人们的出行安全。
第一方面，本发明实施例提供了一种轨道交通信号故障运维方法，其中，该方法应用于服务器，客户端和案例库均与服务器通讯连接，案例库中存储有多个案例文本对应的词频向量；该方法包括：接收客户端发送的轨道交通信号故障的故障描述文本；对故障描述文本进行处理生成故障词频向量；将每个案例文本分别作为目标词频向量，对于每个目标词频向量均执行以下操作：将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；其中，相似度值用于表征词频向量和故障词频向量的相关程度；判断目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；如果是，将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。
上述方法还包括：如果判断出目标词频向量对应的多个相似度值中任意一个相似度值小于预设相似度值，向客户端发送案例匹配失败信息。
上述接收客户端发送的轨道交通信号故障的故障描述文本的步骤，包括：接收客户端发送的轨道交通信号故障的故障请求；从故障请求中提取故障描述文本。
上述服务器与维修记录文本系统通讯连接；案例库中存储有多个案例文本对应的词频向量的步骤，包括：获取维修记录文本系统中的多个案例文本；对每个案例文本进行处理生成案例文本对应的词频向量；将案例文本对应的词频向量发送至案例库进行存储。
上述获取维修记录文本系统中的多个案例文本的步骤，包括：通过脚本定时从维修记录文本系统中获取多个案例文本；或者，接收维修记录文本系统的输入模块输入的多个案例文本。
上述对每个案例文本进行处理生成案例文本对应的词频向量的步骤，包括：从案例文本提取预设的故障关键字；基于故障关键字对应的词频生成词频向量；其中，词频为故障关键字出现次数的频率。
第二方面，本发明实施例还提供一种轨道交通信号故障运维装置，其中，该装置应用于服务器，客户端和案例库均与服务器通讯连接，案例库中存储有多个案例文本对应的词频向量；该装置包括：接收模块，用于接收客户端发送的轨道交通信号故障的故障描述文本；处理模块，用于对故障描述文本进行处理生成故障词频向量；执行模块，用于将每个词频向量分别作为目标词频向量，对于每个目标词频向量均执行以下操作：输入模块，用于将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；其中，相似度值用于表征词频向量和故障词频向量的相关程度；判断模块，用于判断目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；第一发送模块，用于如果判断模块判断为是时，将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。
上述装置还包括：第二发送模块，用于如果判断出目标词频向量对应的多个相似度值中任意一个相似度值小于预设相似度值，向客户端发送案例匹配失败信息。
第三方面，本发明实施例还提供一种电子设备，其中，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述的方法。
本发明实施例带来了以下有益效果：
本申请实施例提供一种轨道交通信号故障运维方法、装置及电子设备，其中，在接收到客户端发送的轨道交通信号故障的故障描述文本后，对故障描述文本进行处理生成故障词频向量，将每个案例文本分别作为目标词频向量，对于每个目标词频向量均执行以下操作：将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；在判断出目标词频向量对应的多个相似度值均大于或等于预设相似度值时将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。本申请能够通过多个相似度模型得到每个词频向量与轨道交通信号故障的多个相似度值，进而根据多个相似度值与预设相似度值的大小关系直接准确确定出与轨道交通信号故障相似的案例文本，为轨道交通信号故障运维提供了参考和决策，使得维保人员能够快速解决故障，保证人们的出行安全。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
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具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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的附图。
图1为本发明实施例提供的一种轨道交通信号故障运维方法的流程图；
图2为本发明实施例提供的另一种轨道交通信号故障运维方法的流程图；
图3为本发明实施例提供的一种轨道交通信号故障运维装置的结构示意图；
图4为本发明实施例提供的另一种轨道交通信号故障运维装置的结构示意图；
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
考虑到现有交通信号故障案例查阅方式主要是基于关键字进行检索，较难精准匹配到有帮助的过往故障案例，进而不利于维保人员对轨道交通信号的故障运维；基于此，本发明实施例提供的一种轨道交通信号故障运维方法、装置及电子设备，能够通过多个相似度模型得到每个词频向量与轨道交通信号故障的多个相似度值，进而根据多个相似度值与预设相似度值的大小关系直接准确确定出与轨道交通信号故障相似的案例文本，为轨道交通信号故障运维提供了参考和决策，使得维保人员能够快速解决故障，保证人们的出行安全。
本实施例提供了一种轨道交通信号故障运维方法，其中，该方法应用于服务器，客户端和案例库均与服务器通讯连接，案例库中存储有多个案例文本对应的词频向量。
该案例文本可以理解为是历史轨道交通信号故障时对应的故障部位、诊断结果及处理情况的文字描述，由于服务器不能有效识别文字，因此，需要将案例文本进行处理以得到服务器能够识别的数字的词频向量，将案例文本对应的词频向量存储在案例库中以便于进行查询使用；其中，词频向量可以理解为是将案例文本中预设的故障关键字在案例文本中出现次数的频率用向量的形式进行表示。
Mongo DB是一个基于分布式文件存储的数据库。旨在为网络应用提供可扩展的高性能数据存储解决方案，它同时具有关系型数据库的一些特征和灵活的特性，很适合作为本实施例中字段结构丰富多变的案例文本的案例库；具体使用时，还可以选用其它类型的数据库作为案例库，在此不对案例库的类型进行限定。
参见图1所示的一种轨道交通信号故障运维方法的流程图，该方法具体包括如下步骤：
步骤S102，接收客户端发送的轨道交通信号故障的故障描述文本；
在本实施例中，客户端可调用API(Application Programming Interface，应用程序接口)向服务器发送上述轨道交通信号故障的故障描述文本，具体过程可通过步骤A1至步骤A2实现：
步骤A1，接收客户端发送的轨道交通信号故障的故障请求；
客户端通过调用的API向服务器发送HTTP(Hyper Text Transfer Protocol，超文本传输协议)的故障请求，该故障请求中携带有上述故障描述文本，其中，该故障描述文本可以理解为是维保人员在客户端的输入界面输入的描述该轨道交通信号故障的故障特征的文字文本。
步骤A2，从故障请求中提取故障描述文本。
服务器在接收到该故障请求后对故障请求进行解析等处理以提取到故障描述文本。
步骤S104，对故障描述文本进行处理生成故障词频向量；
对故障描述文本进行处理得到故障词频向量的处理过程跟对案例文本进行处理得到词频向量的处理过程相同，在下面实施例详述说明对案例文本对应的词频向量进行处理生成词频向量的处理过程，在此不进行赘述。
步骤S106，将每个词频向量分别作为目标词频向量，对于每个目标词频向量均执行步骤S108至步骤S112的操作；
步骤S108，将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；其中，相似度值用于表征词频向量和故障词频向量的相关程度；
TF-IDF(Term Frequency and Inverted Document Frequency)算法提取故障文本信息中的故障特征，根据故障特征、故障类型、故障原因建立故障诊断模型，TF-IDF技术用于评估词语对于文档集或语料库中文本的重要程度；BM25算法是在信息检索系统中根据提出的查询对符合的文档进行评分的算法，从而输出匹配的文档；因此，在本实施例中，以TF-IDF算法和BM25算法分别作为相似度模型进行使用，以得到目标案例文本对应的2个相似度值。
在实际应用时可先在服务器中嵌入很多个相似度模型，在不同的场景下调用该场景下性能更好的多个相似度模型进行使用，其中，相似度模型的数量可以根据实际需要进行设置，在此不进行限定。
步骤S110，判断目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；
上述预设相似度值可以根据需要进行设置，在此不进行限定。
步骤S112，如果是，将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。
续接前例，如果TF-IDF相似度模型输出的相似度值为75，BM25相似度模型输出的相似度值为80，若预设相似度值设为70，由于这两个相似度值均大于预设相似度值，说明目标词频向量与当前轨道交通信号故障极其相似，可将目标词频向量对应的案例文本发送至客户端进行显示，以为维保人员针对本次轨道交通信号故障提供运维决策。
本申请实施例提供一种轨道交通信号故障运维方法，能够通过多个相似度模型得到每个词频向量与轨道交通信号故障的多个相似度值，进而根据多个相似度值与预设相似度值的大小关系直接准确确定出与轨道交通信号故障相似的案例文本，为轨道交通信号故障运维提供了参考和决策，使得维保人员能够快速解决故障，保证人们的出行安全。
本实施例提供了另一种轨道交通信号故障运维方法，该方法在上述实施例的基础上实现；如图2所示的另一种轨道交通信号故障运维方法的流程图，本实施例中的轨道交通信号故障运维方法包括如下步骤：
步骤S202，获取维修记录文本系统中的多个案例文本；
该维修记录文本系统为记录案例文本的系统，并与服务器通讯连接，在实际使用时，可通过脚本定时从维修记录文本系统中获取多个案例文本；或者，接收维修记录文本系统的输入模块输入的多个案例文本。
自动通过脚本从维修记录文本系统中拉取案例文本的方式可通过网络爬虫实现，网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本，编写爬虫脚本定时运行捕获维修记录文本系统中的案例文本。
步骤S204，对每个案例文本进行处理生成案例文本对应的词频向量；
步骤S204的实现过程为从案例文本提取预设的故障关键字；基于故障关键字对应的词频生成词频向量；其中，词频为故障关键字出现次数的频率。
上述预设的故障关键字可为故障标题，故障时间，故障现象，处理过程等字段，在此不进行限定。
步骤S206，将案例文本对应的词频向量发送至案例库进行存储；
可通过案例库的服务端提供的API上传词频向量进入案例库进行存储。
步骤S208，接收客户端发送的轨道交通信号故障的故障描述文本；
步骤S210，对故障描述文本进行处理生成故障词频向量；
步骤S212，将每个案例文本分别作为目标词频向量，对于每个目标词频向量均执行步骤S214至步骤S220的操作；
步骤S214，将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；其中，相似度值用于表征词频向量和故障词频向量的相关程度；
步骤S216，判断目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；
如果多个相似度值均大于或等于预设相似度值，则执行步骤S218；如果判断多个相似度值中任意一个相似度值小于预设相似度值，说明该目标词频向量与故障词频向量相关度不大，则执行步骤S220。
步骤S218，将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策；
步骤S220，向客户端发送案例匹配失败信息。
本申请实施例提供的轨道交通信号故障运维方法，通过多个相似度模型输出的多个相似度值提高匹配的全面性，以保障匹配到的案例文本与本次轨道交通信号故障有较大相关性，为轨道交通信号故障运维提供有意义地参考文本。
本发明实施例还提供一种轨道交通信号故障运维装置，其中，该装置应用于服务器，客户端和案例库均与服务器通讯连接，案例库中存储有多个案例文本对应的词频向量；图3示出了一种轨道交通信号故障运维装置的结构示意图，如图3所示，该装置包括：
接收模块302，用于接收客户端发送的轨道交通信号故障的故障描述文本；
处理模块304，用于对故障描述文本进行处理生成故障词频向量；
执行模块306，用于将每个词频向量分别作为目标词频向量，对于每个目标词频向量均执行以下操作：
输入模块308，用于将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；其中，相似度值用于表征词频向量和故障词频向量的相关程度；
判断模块310，用于判断目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；
第一发送模块312，用于如果判断模块判断为是时，将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。
本申请实施例提供一种轨道交通信号故障运维装置，其中，在接收到客户端发送的轨道交通信号故障的故障描述文本后，对故障描述文本进行处理生成故障词频向量，将每个案例文本分别作为目标词频向量，对于每个目标词频向量均执行以下操作：将目标词频向量和故障词频向量输入至多个不同的相似度模型中，得到每个相似度模型输出的目标词频向量对应的相似度值；在判断出目标词频向量对应的多个相似度值均大于或等于预设相似度值时将目标词频向量对应的案例文本发送至客户端，为轨道交通信号故障提供运维决策。本申请能够通过多个相似度模型得到每个词频向量与轨道交通信号故障的多个相似度值，进而根据多个相似度值与预设相似度值的大小关系直接准确确定出与轨道交通信号故障相似的案例文本，为轨道交通信号故障运维提供了参考和决策，使得维保人员能够快速解决故障，保证人们的出行安全。
在图3的基础上，图4示出了另一种轨道交通信号故障运维装置的结构示意图，如图4所示，该装置还包括与判断模块310连接的第二发送模块400，用于如果判断出目标词频向量对应的多个相似度值中任意一个相似度值小于预设相似度值，向客户端发送案例匹配失败信息。
本发明实施例提供的轨道交通信号故障运维装置，与上述实施例提供的轨道交通信号故障运维方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本申请实施例还提供了一种电子设备，如图5所示，为该电子设备的结构示意图，其中，该电子设备包括处理器121和存储器120，该存储器120存储有能够被该处理器121执行的计算机可执行指令，该处理器121执行该计算机可执行指令以实现上述轨道交通信号故障运维方法。
在图5示出的实施方式中，该电子设备还包括总线122和通信接口123，其中，处理器121、通信接口123和存储器120通过总线122连接。
其中，存储器120可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口123(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线122可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线122可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
处理器121可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器121中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器121可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器121读取存储器中的信息，结合其硬件完成前述实施例的轨道交通信号故障运维方法的步骤。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述轨道交通信号故障运维方法，具体实现可参见前述方法实施例，在此不再赘述。
本申请实施例所提供的轨道交通信号故障运维方法、装置及电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种轨道交通信号故障运维方法，其特征在于，所述方法应用于服务器，客户端和案例库均与所述服务器通讯连接，所述案例库中存储有多个案例文本对应的词频向量；所述方法包括：
接收所述客户端发送的轨道交通信号故障的故障描述文本；
对所述故障描述文本进行处理生成故障词频向量；
将每个词频向量分别作为目标词频向量，对于每个所述目标词频向量均执行以下操作：
将目标词频向量和所述故障词频向量输入至多个不同的相似度模型中，得到每个所述相似度模型输出的所述目标词频向量对应的相似度值；其中，所述相似度值用于表征所述词频向量和所述故障词频向量的相关程度；
判断所述目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；
如果是，将所述目标词频向量对应的案例文本发送至所述客户端，为所述轨道交通信号故障提供运维决策。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果判断出所述目标词频向量对应的多个相似度值中任意一个相似度值小于预设相似度值，向所述客户端发送案例匹配失败信息。
3.根据权利要求1所述的方法，其特征在于，接收所述客户端发送的轨道交通信号故障的故障描述文本的步骤，包括：
接收所述客户端发送的轨道交通信号故障的故障请求；
从所述故障请求中提取故障描述文本。
4.根据权利要求1所述的方法，其特征在于，所述服务器与维修记录文本系统通讯连接；
所述案例库中存储有多个案例文本对应的词频向量的步骤，包括：
获取所述维修记录文本系统中的多个案例文本；
对每个所述案例文本进行处理生成案例文本对应的词频向量；
将所述案例文本对应的词频向量发送至所述案例库进行存储。
5.根据权利要求4所述的方法，其特征在于，获取所述维修记录文本系统中的多个案例文本的步骤，包括：
通过脚本定时从所述维修记录文本系统中获取多个案例文本；或者，
接收所述维修记录文本系统的输入模块输入的多个案例文本。
6.根据权利要求4所述的方法，其特征在于，对每个所述案例文本进行处理生成案例文本对应的词频向量的步骤，包括：
从所述案例文本提取预设的故障关键字；
基于所述故障关键字对应的词频生成词频向量；其中，所述词频为所述故障关键字出现次数的频率。
7.一种轨道交通信号故障运维装置，其特征在于，所述装置应用于服务器，客户端和案例库均与所述服务器通讯连接，所述案例库中存储有多个案例文本对应的词频向量；所述装置包括：
接收模块，用于接收所述客户端发送的轨道交通信号故障的故障描述文本；
处理模块，用于对所述故障描述文本进行处理生成故障词频向量；
执行模块，用于将每个案例文本分别作为目标词频向量，对于每个所述目标词频向量均执行以下操作：
输入模块，用于将目标词频向量和所述故障词频向量输入至多个不同的相似度模型中，得到每个所述相似度模型输出的所述目标词频向量对应的相似度值；其中，所述相似度值用于表征所述词频向量和所述故障词频向量的相关程度；
判断模块，用于判断所述目标词频向量对应的多个相似度值是否均大于或等于预设相似度值；
第一发送模块，用于如果判断模块判断为是时，将所述目标词频向量对应的案例文本发送至所述客户端，为所述轨道交通信号故障提供运维决策。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二发送模块，用于如果判断出所述目标词频向量对应的多个相似度值中任意一个相似度值小于预设相似度值，向所述客户端发送案例匹配失败信息。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至6任一项所述的方法。
CN202210210193.8A 2022-03-04 2022-03-04 轨道交通信号故障运维方法、装置及电子设备 Pending CN114564947A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210210193.8A CN114564947A (zh) 2022-03-04 2022-03-04 轨道交通信号故障运维方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210210193.8A CN114564947A (zh) 2022-03-04 2022-03-04 轨道交通信号故障运维方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN114564947A true CN114564947A (zh) 2022-05-31

Family

ID=81717837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210210193.8A Pending CN114564947A (zh) 2022-03-04 2022-03-04 轨道交通信号故障运维方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN114564947A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630143A (zh) * 2022-12-21 2023-01-20 中科航迈数控软件(深圳)有限公司 故障处理方案的推荐方法、装置、终端设备及存储介质
CN116483955A (zh) * 2023-06-20 2023-07-25 北京中科朗易科技有限责任公司 基于运维工单的运维方法、装置、设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737435A (zh) * 2020-06-24 2020-10-02 全球能源互联网研究院有限公司 问答故障诊断的辅助决策模型构建、决策方法及系统
CN112711947A (zh) * 2021-01-09 2021-04-27 国网湖北省电力有限公司电力科学研究院 一种基于文本向量化的故障停电抢修事中处置参考方法
CN113392208A (zh) * 2020-03-12 2021-09-14 中国移动通信集团云南有限公司 It运维故障处理经验积累的方法、装置及存储介质
CN114090732A (zh) * 2021-11-05 2022-02-25 交控科技股份有限公司 轨道交通故障处理方案自动生成方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392208A (zh) * 2020-03-12 2021-09-14 中国移动通信集团云南有限公司 It运维故障处理经验积累的方法、装置及存储介质
CN111737435A (zh) * 2020-06-24 2020-10-02 全球能源互联网研究院有限公司 问答故障诊断的辅助决策模型构建、决策方法及系统
CN112711947A (zh) * 2021-01-09 2021-04-27 国网湖北省电力有限公司电力科学研究院 一种基于文本向量化的故障停电抢修事中处置参考方法
CN114090732A (zh) * 2021-11-05 2022-02-25 交控科技股份有限公司 轨道交通故障处理方案自动生成方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630143A (zh) * 2022-12-21 2023-01-20 中科航迈数控软件(深圳)有限公司 故障处理方案的推荐方法、装置、终端设备及存储介质
CN116483955A (zh) * 2023-06-20 2023-07-25 北京中科朗易科技有限责任公司 基于运维工单的运维方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN110275958B (zh) 网站信息识别方法、装置和电子设备
CN114564947A (zh) 轨道交通信号故障运维方法、装置及电子设备
CN111818198B (zh) 域名检测方法、域名检测装置和设备以及介质
CN111813960B (zh) 基于知识图谱的数据安全审计模型装置、方法及终端设备
CN107085549B (zh) 故障信息生成的方法和装置
CN110222513B (zh) 一种线上活动的异常监测方法、装置及存储介质
CN113704328B (zh) 基于人工智能的用户行为大数据挖掘方法及系统
CN110868419A (zh) Web后门攻击事件的检测方法、装置及电子设备
CN114528457A (zh) Web指纹检测方法及相关设备
CN115061874A (zh) 日志信息验证方法、装置、设备及介质
CN115913710A (zh) 异常检测方法、装置、设备及存储介质
CN108875050B (zh) 面向文本的数字取证分析方法、装置和计算机可读介质
CN113282920B (zh) 日志异常检测方法、装置、计算机设备和存储介质
CN113778864A (zh) 一种测试用例的生成方法和装置、电子设备和存储介质
CN112130944A (zh) 页面异常的检测方法、装置、设备及存储介质
CN110852091A (zh) 错别字的监测方法、装置、电子设备和计算机可读介质
CN110598115A (zh) 一种基于人工智能多引擎的敏感网页识别方法及系统
CN116225848A (zh) 日志监测方法、装置、设备和介质
CN112364285B (zh) 基于ueba建立异常侦测模型的方法、装置及相关产品
CN114528908A (zh) 网络请求数据分类模型训练方法、分类方法及存储介质
CN113691548A (zh) 一种数据采集和分类存储方法及其系统
CN112788356A (zh) 一种直播审核的方法、装置、服务器和存储介质
CN114095391B (zh) 一种数据检测方法、基线模型构建方法及电子设备
CN116975851A (zh) 异常识别方法、装置和计算机可读存储介质
CN114756401B (zh) 基于日志的异常节点检测方法、装置、设备及介质

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