CN115456071A - 一种故障报告的核对方法、装置、设备及存储介质 - Google Patents
一种故障报告的核对方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115456071A CN115456071A CN202211100228.9A CN202211100228A CN115456071A CN 115456071 A CN115456071 A CN 115456071A CN 202211100228 A CN202211100228 A CN 202211100228A CN 115456071 A CN115456071 A CN 115456071A
- Authority
- CN
- China
- Prior art keywords
- fault
- determining
- report
- fault information
- equipment
- 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 52
- 239000013598 vector Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect 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
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种故障报告的核对方法、装置、设备及存储介质,该方法包括:获取电梯的故障类型,以及,获取与故障类型关联的第一故障信息,获取故障报告,并从故障报告中提取第二故障信息,基于第一故障信息,确定第二故障信息的准确率,当准确率大于指定阈值时,判定故障报告核对成功,实现对故障报告的自动审核,降低了人力成本的投入,减少对人工知识储备的依赖,提高了审核效率,通过运用概率来对故障报告的真实性进行量化,可以更直观、更准确地对故障报告进行评价。
Description
技术领域
本发明属于数据处理的技术领域,尤其涉及一种故障报告的核对方法、装置、设备及存储介质。
背景技术
故障报告是某些设备发生了事故、故障后维修人员检测维修后出具的过程记录文件,例如电梯的故障报告。故障报告是判定故障产生原因的重要依据。
对于电梯的故障报告来说,电梯维修与保养一般是同一家企业承担,也就是承担同一电梯的维修任务与电梯的保养业务的很可能是相同的作业人员。企业可以通过电梯的故障报告的填写内容,评定作业人员的日常工作情况。
因此,作业人员提交的故障报告中的数据会有一定的个人倾向,所收集的信息不一定反映实际的故障原因。故障报告所填写的内容,可能存在是虚假的信息,与实际的故障不符合的情况。
目前,为了核对作业人员提交的电梯的故障报告中的填写内容是否真实,企业内一般通过有经验的核对人员,根据故障的现象与填写的故障原因,结合自身对故障的理解,判断所填写报告的真实性。这样的核对方式,对核对人员的经验要求高,且审核效率低,管理效率低。
发明内容
本发明提供了一种故障报告的核对方法、装置、设备及存储介质,以解决当前仅能依赖人工对电梯的故障报告进行核对的问题,通过对故障报告进行信息提取并确定准确率,从而实现电梯的故障报告核对时无需依赖人工。
根据本发明的一方面,提供了一种故障报告的核对方法,其特征在于,所述方法包括:
获取电梯的故障类型,以及,获取与所述故障类型关联的第一故障信息;
获取故障报告,并从所述故障报告中提取第二故障信息;
基于所述第一故障信息,确定所述第二故障信息的准确率;
当所述准确率大于指定阈值时,判定所述故障报告核对成功。
根据本发明的一方面,提供了一种故障报告的核对装置,所述装置包括:
故障类型获取模块,用于获取电梯的故障类型;
第一故障信息获取模块,用于获取与所述故障类型关联的第一故障信息;
第二故障信息提取模块,用于获取故障报告,并从所述故障报告中提取第二故障信息;
准确率确定模块,用于基于所述第一故障信息,确定所述第二故障信息的准确率;
核对成功确定模块,用于当所述准确率大于指定阈值时,判定所述故障报告核对成功。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的一种故障报告的核对方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种故障报告的核对方法。
本发明实施例的技术方案提供了一种故障报告的核对方法,该方法包括:获取电梯的故障类型,以及,获取与故障类型关联的第一故障信息,获取故障报告,并从故障报告中提取第二故障信息,基于第一故障信息,确定第二故障信息的准确率,当准确率大于指定阈值时,判定故障报告核对成功,实现对故障报告的自动审核,降低了人力成本的投入,减少对人工知识储备的依赖,提高了审核效率,通过运用概率来对故障报告的真实性进行量化,可以更直观、更准确地对故障报告进行评价。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是根据本发明实施例一提供的一种故障报告的核对方法流程图;
图2是根据本发明实施例一提供的一种设备组合示意图;
图3是根据本发明实施例二提供的一种故障报告的核对装置的结构示意图;
图4是实现本发明实施例的一种故障报告的核对方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种故障报告的核对方法流程图。
当电梯出现某个故障事件时,往往是多个设备的不同状态组合而引起的,不同的故障事件关联的设备并不相同。在现有的依赖人为核对的方式中,核对人员主要是通过对当前发生的故障现象以及故障报告中所填写的设备情况进行核对,若故障报告中填写的各设备情况明显不会导致发生当前的故障现象,则可以认为该故障报告的真实性低,存在编造不实的故障报告的情况,判定为核对失败。
该方法可以由一种故障报告的核对装置来执行,该用于故障报告的核对装置可以采用硬件和/或软件的形式实现。
如图1所示,该方法包括如下步骤:
S110,获取电梯的故障类型,以及,获取与故障类型关联的第一故障信息。
当电梯发生故障时,电梯运行状态记录码会发生变化。电梯可以通过物联网终端将电梯运行状态记录码发生变化的时刻的所有设备的缓存状态数据记录保存。物联网终端可以上传故障事件至指定的数据中心,其中,故障事件包括故障类型,示例性的,如“开关门异常”、“主微机故障”等。因此,可以在电梯所在的物联网系统所指定的数据中心,获取得到电梯的故障类型。
第一故障信息可以是指故障事件中除故障类型以外的信息,如故障时刻所有设备的设备状态。另外,第一故障信息还可以包括与该故障类型相关的历史数据信息,例如,可以是历史数据信息中,发生过该故障类型时的所有设备对应的设备状态。
在一种实施例中,获取与故障类型关联的第一故障信息包括如下步骤:
S110-1,获取与故障类型关联的多个第一设备名称;
S110-2,针对第一设备名称对应的设备状态进行组合,获得多个第一设备组合,其中,设备状态为正常以及非正常;
S110-3,将获得的第一设备组合作为第一故障信息。
不同的故障类型是与电梯中不同的设备关联,而与部分设备是不存在关联关系的,例如,当故障类型为“开关门异常”时,明显的,“开关门异常”与电梯内的照明设备的设备状态是无关的。
由于电梯的设备较多,不同设备在不同的情况下具有不同的状态,例如正常状态和非正常状态,如果每次的核对基于电梯的所有设备进行分析,则会耗费很大的计算力,示例性的,假设电梯设备有100个(电梯设备数量实际上比100个要多),每个设备的状态有2种,例如标识正常状态以及非正常状态,那么100个设备的设备状态进行组合就能得到2^100个。
因此,可以根据历史上引起过该故障类型的设备的历史数据信息,预先针对不同的故障类型建立与其相关的设备的关联关系,需要注意的是,与故障类型建立关联关系的,除了是电梯门等硬件设备,还可以包括某些指令接收状态。示例性的,与故障类型为“开关门异常”关联的可以是预先设定的:门机状态、开门极限、关门极限、开门指令。
在确定了与故障类型关联的设备后,可以对设备的不同设备状态进行组合。参考图2的一种设备组合示意图,示例性的,当与该故障类型关联的是门机状态、开门极限、关门极限、开门指令,其中,门机状态:1标识正常,0标识异常;开门极限:1标识可以开门到极限,0标识开门未到极限。关门极限:1标识可以关门到极限,0标识关门未到极限;开门指令:1标识存在开关门指令,0标识无开关门指令。4个关联的设备,每个设备对应2种设备状态,那么对设备状态进行组合时,可以得到4^2=16种组合,如图2中的组合1至组合16,共16种设备组合。
可以将所有第一设备名称对应的设备状态进行组合后,得到的所有第一设备组合作为第一故障信息。例如,图2中的组合1至组合16的设备组合可以作为第一故障信息。
S120,获取故障报告,并从故障报告中提取第二故障信息。
作业人员在进行故障报告的撰写时,填写的是自然语言,也就是以文本的形式存在。可以通过对故障报告的文本进行关键词的提取,提取出故障报告中所提及的设备名称以及设备名称对应的设备状态作为第二故障信息。在提取第二故障信息时,可以预先构建电梯领域的专用词库,通过文本的文字与专用词库中的词进行匹配得出第二故障信息。
在一种实施例中,S120中的从故障报告中提取第二故障信息,包括如下步骤:
S120-1,识别故障报告中的文本,对文本进行分词,获得多个候选关键语句;
S120-2,将候选关键语句与预先确定的多个样本关键语句进行匹配,并确定各候选关键语句与各样本关键语句的相似度;
S120-3,将相似度大于指定相似度阈值的候选关键语句确定为关键语句;
S120-4,确定与各关键语句的相似度最高的样本关键语句;
S120-5,基于与各关键语句的相似度最高的样本关键语句,确定第二故障信息。
从故障报告中提取第二故障信息时,可以先通过句号、逗号等标点符号对文本进行分词,得到多个根据标点符号分出来的候选关键语句。具体的,可以应用自然语言处理(Natural Language Processing,NLP)技术完成对故障报告的识别与分词,NPL技术是目前处理文本的成熟技术,在此不做详细阐述。
可以将大量的历史故障报告作为训练样本,得到多个用于描述设备名称以及设备名称相对应的设备状态的样本关键语句,具体地,可以通过浅层神经网络进行大量的故障报告进行训练得到样本关键语句。
在确定候选关键语句后,可以与预先通过训练确定的多个样本关键语句进行匹配,并确定各候选关键语句与各样本关键语句的相似度,将相似度大于指定相似度阈值的候选关键语句确定为关键语句,将部分不存在设备名称、设备状态等关键信息的语句进行过滤。在确定相似度时,可以是通过编辑距离计算的统计方法、杰卡德系数计算的方式实现。
每个语句可能与多个样本关键语句的相似度都高于相似度阈值,可以确定与各关键语句的相似度最高的样本关键语句,并从相似度最高的样本关键语句中确定第二故障信息。第二故障信息可以是从相似度最高的样本关键语句中提取的设备名称以及设备状态。由于该样本关键语句与关键语句的相似度最高,所以从该样本关键语句中确定的第二故障信息也可以认为是该关键语句所包含的信息。
在一种实施例中,S120-2中确定各候选关键语句与各样本关键语句的相似度,包括如下步骤:
将候选关键语句转换为第一词向量;
获取样本关键语句的第二词向量;
基于第一词向量以及第二词向量,确定各候选关键语句与各样本关键语句的相似度。
可以利用离散表示或者分布式表示的方式来将属于文本的候选关键语句以及样本关键语句转换为计算机的语言,即词向量。其中,离散表示是在编码过程中不考虑词的顺序的,具有代表性的具体实现方式有:one-hot、bag of words、TF-IDF等。而分布式表示则是用一个词附近的其他词来表示这个词,具有代表性的具体实现方式有:共现矩阵、NNLM神经网络语言模型、CBOW(continue bag of words)等。本发明实施例对将候选关键语句以及样本关键语句转换为向量的具体方式不限制。其中,为了减少计算过程所耗费的计算力,加快计算速度,可以提前对样本关键语句的第二词向量进行确定。
在候选关键语句转换为第一词向量后,可以获取提前确定的各样本关键语句的第二词向量,可以通过余弦相似度的方式,分别计算第二词向量与各第一次向量夹角的余弦值,也就是点乘积除以二者的模长,可以将向量之间的余弦值确定为各候选关键语句与各样本关键语句的相似度。
在一种实施例中,S120-5包括如下步骤:
将与各关键语句的相似度最高的样本关键语句确定为目标关键语句;
从目标关键语句中提取第二设备名称,以及第二设备名称对应的第二设备状态;
将第二设备名称以及第二设备状态组成第二设备组合,并将第二设备组合作为第二故障信息。
在确定了各关键语句与各样本关键语句的相似度后,可以将与关键语句相似度最高的样本关键语句看作是表达了关键语句的信息,由于样本关键语句是通过大量样本训练得到的,在表达信息时会更加完整,因此,可以将与各关键语句的相似度最高的样本关键语句确定为目标关键语句,然后从目标关键语句中提取得到第二设备名称,以及第二设备名称对应的第二设备状态作为第二故障信息。
S130,基于第一故障信息,确定第二故障信息的准确率。
在确定了与故障类型相关的第一设备名称对应的设备状态的所有组合,可以通过在先的经验确定出各设备组合对于引起该故障类型的可能性,如图2中的组合16,在门机没有出现异常、可以开门到极限、可以关门到极限以及能接收到开门指令的情况下,引起故障类型“开关门异常”的可能性是较低的。可以结合大量的在先故障事件样本中各设备组合引起的故障类型,确定各设备组合引起某个故障类型的概率,可以将与第二故障信息对应的设备组合引起该故障类型的概论作为第二故障信息的准确率。
在一种实施例中,S130包括如下步骤:
S130-1,基于贝叶斯原理,分别确定第一设备组合引发故障类型对应的故障的引发概率;
S130-2,从第一设备组合中确定出与第二设备组合相同的设备组合,作为目标设备组合;
S130-3,获取目标设备组合的引发概率,并将引发概率作为第二故障信息的准确率。
可以通过贝叶斯公式分别确定第一设备组合引发该故障类型的故障的引发概率,即确定不同的设备组合引起该故障类型的故障的可能性。
具体的,贝叶斯公式为:P(B│A)=(P(A│B)P(B))/(P(A))。其中,A记为引起该故障类型的故障的设备组合;P(A)是指在大量样本中A这个设备组合引起该故障类型的故障的全概率,也称为标准化常量。P(B)称为先验概率,即一份故障报告的填写的内容是正确的概率,一般假定为50%。P(A|B)是指填写故障报告正确的前提下,是有A设备组合的原因的占比,称为似然度。P(B|A)称为后验概率,即A设备组合引发对应的故障类型故障的概率,也就是可以作为填写了A设备组合相关内容的故障报告的正确率。
通过贝叶斯公式可以计算出各第一设备组合引发故障类型对应的故障的引发概率。
在确定第二故障信息中的第二设备组合后,从第一设备组合中确定出与第二设备组合相同的设备组合,作为目标设备组合,然后获取目标设备组合的引发概率,并将引发概率作为第二故障信息的准确率。
示例性的,在当前故障类型为“开关门异常”,而第二故障信息中所记录的是图2中组合16的情况,若通过贝叶斯公式实事先计算出组合16引发“开关门异常”的引发概率为8%,则可以确定第二故障信息的准确率为8%。
S140,当准确率大于指定阈值时,判定故障报告核对成功。
可以预先设定指定阈值,当准确率大于指定阈值时,可以认为第二故障信息中的设备组合引起对应的故障类型的故障可能性是较高的,判定故障报告核对成功,也就是记录该次故障的故障报告是按照实际情况进行编写的。
在一种实施例中,该方法还包括如下步骤:
当准确率小于指定阈值时,判定故障报告核对失败。
当准确率小于指定阈值时,可以认为第二故障信息中的设备组合引起对应的故障类型的故障可能性是很低的,可以判定故障报告核对失败,也就是记录该次故障的故障报告未反映实际故障信息,存在编造信息的情况。本发明实施例可以实现实时对故障报告的审核,并可以将审核结果进行实时反馈。
本发明实施例提出一种故障报告的核对方法,该方法包括:获取电梯的故障类型,以及,获取与故障类型关联的第一故障信息,获取故障报告,并从故障报告中提取第二故障信息,基于第一故障信息,确定第二故障信息的准确率,当准确率大于指定阈值时,判定故障报告核对成功,实现对故障报告的自动审核,降低了人力成本的投入,减少对人工知识储备的依赖,提高了审核效率,通过运用概率来对故障报告的真实性进行量化,可以更直观、更准确地对故障报告进行评价。
实施例二
图3为本发明实施例二提供的一种故障报告的核对装置的结构示意图,所述装置包括:
故障类型获取模块310,用于获取电梯的故障类型;
第一故障信息获取模块320,用于获取与所述故障类型关联的第一故障信息;
第二故障信息提取模块330,用于获取故障报告,并从所述故障报告中提取第二故障信息;
准确率确定模块340,用于基于所述第一故障信息,确定所述第二故障信息的准确率;
核对成功确定模块350,用于当所述准确率大于指定阈值时,判定所述故障报告核对成功。
在一种实施例中,所述第一故障信息获取模块320包括如下子模块:
第一设备名称获取子模块,用于获取与所述故障类型关联的多个第一设备名称;
第一设备组合获取子模块,用于针对所述第一设备名称对应的设备状态进行组合,获得多个第一设备组合,其中,所述设备状态为正常以及非正常;
第一故障信息确定子模块,用于将获得的所述第一设备组合作为第一故障信息。
在一种实施例中,所述第二故障信息提取模块330包括如下子模块:
候选关键语句子模块,用于识别所述故障报告中的文本,对所述文本进行分词,获得多个候选关键语句;
相似度确定子模块,用于将所述候选关键语句与预先确定的多个样本关键语句进行匹配,并确定各所述候选关键语句与各所述样本关键语句的相似度;
关键语句确定子模块,用于将所述相似度大于指定相似度阈值的候选关键语句确定为关键语句;
样本关键语句确定子模块,用于确定与各所述关键语句的相似度最高的样本关键语句;
第二故障信息确定子模块,用于基于与各所述关键语句的相似度最高的样本关键语句,确定第二故障信息。
在一种实施例中,所述相似度确定子模块具体用于:
将所述候选关键语句转换为第一词向量;
获取所述样本关键语句的第二词向量;
基于所述第一词向量以及所述第二词向量,确定各所述候选关键语句与各所述样本关键语句的相似度。
在一种实施例中,所述第二故障信息确定子模块,具体用于:
将与各所述关键语句的相似度最高的样本关键语句确定为目标关键语句;
从所述目标关键语句中提取第二设备名称,以及所述第二设备名称对应的第二设备状态;
将所述第二设备名称以及所述第二设备状态组成第二设备组合,并将所述第二设备组合作为第二故障信息。
在一种实施例中,所述准确率确定模块340,包括如下子模块:
引发概率确定子模块,用于基于贝叶斯原理,分别确定所述第一设备组合引发所述故障类型对应的故障的引发概率;
目标设备组合确定子模块,用于从所述第一设备组合中确定出与所述第二设备组合相同的设备组合,作为目标设备组合;
准确率确定子模块,用于获取所述目标设备组合的引发概率,并将所述引发概率作为所述第二故障信息的准确率。
在一种实施例中,所述装置还用于:
当所述准确率小于指定阈值时,判定所述故障报告核对失败。
本发明实施例所提供的一种故障报告的核对装置可实现本发明实施例一所提供的一种故障报告的核对方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如一种故障报告的核对方法。
在一些实施例中,一种故障报告的核对方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的一种故障报告的核对方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种故障报告的核对方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种故障报告的核对方法,其特征在于,所述方法包括:
获取电梯的故障类型,以及,获取与所述故障类型关联的第一故障信息;
获取故障报告,并从所述故障报告中提取第二故障信息;
基于所述第一故障信息,确定所述第二故障信息的准确率;
当所述准确率大于指定阈值时,判定所述故障报告核对成功。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述故障类型关联的第一故障信息,包括:
获取与所述故障类型关联的多个第一设备名称;
针对所述第一设备名称对应的设备状态进行组合,获得多个第一设备组合,其中,所述设备状态为正常以及非正常;
将获得的所述第一设备组合作为第一故障信息。
3.根据权利要求2所述的方法,其特征在于,所述从所述故障报告中提取第二故障信息,包括:
识别所述故障报告中的文本,对所述文本进行分词,获得多个候选关键语句;
将所述候选关键语句与预先确定的多个样本关键语句进行匹配,并确定各所述候选关键语句与各所述样本关键语句的相似度;
将所述相似度大于指定相似度阈值的候选关键语句确定为关键语句;
确定与各所述关键语句的相似度最高的样本关键语句;
基于与各所述关键语句的相似度最高的样本关键语句,确定第二故障信息。
4.根据权利要求3所述的方法,其特征在于,所述确定各所述候选关键语句与各所述样本关键语句的相似度,包括:
将所述候选关键语句转换为第一词向量;
获取所述样本关键语句的第二词向量;
基于所述第一词向量以及所述第二词向量,确定各所述候选关键语句与各所述样本关键语句的相似度。
5.根据权利要求3或4所述的方法,其特征在于,所述基于与各所述关键语句的相似度最高的样本关键语句,确定第二故障信息,包括:
将与各所述关键语句的相似度最高的样本关键语句确定为目标关键语句;
从所述目标关键语句中提取第二设备名称,以及所述第二设备名称对应的第二设备状态;
将所述第二设备名称以及所述第二设备状态组成第二设备组合,并将所述第二设备组合作为第二故障信息。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一故障信息,确定所述第二故障信息的准确率,包括:
基于贝叶斯原理,分别确定所述第一设备组合引发所述故障类型对应的故障的引发概率;
从所述第一设备组合中确定出与所述第二设备组合相同的设备组合,作为目标设备组合;
获取所述目标设备组合的引发概率,并将所述引发概率作为所述第二故障信息的准确率。
7.根据权利要求1或2或3或4或6所述的方法,其特征在于,所述方法还包括:
当所述准确率小于指定阈值时,判定所述故障报告核对失败。
8.一种故障报告的核对装置,其特征在于,所述装置包括:
故障类型获取模块,用于获取电梯的故障类型;
第一故障信息获取模块,用于获取与所述故障类型关联的第一故障信息;
第二故障信息提取模块,用于获取故障报告,并从所述故障报告中提取第二故障信息;
准确率确定模块,用于基于所述第一故障信息,确定所述第二故障信息的准确率;
核对成功确定模块,用于当所述准确率大于指定阈值时,判定所述故障报告核对成功。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中所述的一种故障报告的核对方法。
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指令,所述计算机指令用于使处理器执行时实现权利要求1-7中所述的一种故障报告的核对方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211100228.9A CN115456071A (zh) | 2022-09-08 | 2022-09-08 | 一种故障报告的核对方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211100228.9A CN115456071A (zh) | 2022-09-08 | 2022-09-08 | 一种故障报告的核对方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115456071A true CN115456071A (zh) | 2022-12-09 |
Family
ID=84303565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211100228.9A Pending CN115456071A (zh) | 2022-09-08 | 2022-09-08 | 一种故障报告的核对方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115456071A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611006A (zh) * | 2023-05-22 | 2023-08-18 | 广州吉谷电器有限公司 | 基于用户反馈的电水壶的故障识别方法及装置 |
-
2022
- 2022-09-08 CN CN202211100228.9A patent/CN115456071A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611006A (zh) * | 2023-05-22 | 2023-08-18 | 广州吉谷电器有限公司 | 基于用户反馈的电水壶的故障识别方法及装置 |
CN116611006B (zh) * | 2023-05-22 | 2024-02-20 | 广州吉谷电器有限公司 | 基于用户反馈的电水壶的故障识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581271B (zh) | 一种商户交易风险监测方法、装置、设备及存储介质 | |
CN115545481A (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
CN115456071A (zh) | 一种故障报告的核对方法、装置、设备及存储介质 | |
CN114492392A (zh) | 一种基于短语向量构造的年报风险挖掘系统和方法 | |
CN115438663A (zh) | 一种电网工作票据的风险分析方法、装置、设备及介质 | |
CN116629620A (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
CN117649115A (zh) | 一种风险评估方法、装置、电子设备和存储介质 | |
CN117632659A (zh) | 日志异常处理方法、装置、设备及介质 | |
CN116468271B (zh) | 一种基于大数据的企业风险分析方法、系统及介质 | |
CN116340777A (zh) | 一种日志分类模型的训练方法、日志分类方法及装置 | |
CN115603955A (zh) | 异常访问对象识别方法、装置、设备和介质 | |
CN116467606A (zh) | 一种决策建议信息的确定方法、装置、设备及介质 | |
CN115829160A (zh) | 一种时序异常预测方法、装置、设备及存储介质 | |
CN115618264A (zh) | 数据资产的主题分类方法、装置、设备和介质 | |
CN115495587A (zh) | 一种基于知识图谱的告警分析方法及装置 | |
CN115600607A (zh) | 一种日志检测方法、装置、电子设备及介质 | |
CN115687031A (zh) | 一种告警描述文本的生成方法、装置、设备及介质 | |
CN115546808A (zh) | 一种报表类型确定方法、装置、设备和存储介质 | |
CN112860652B (zh) | 作业状态预测方法、装置和电子设备 | |
CN113935023A (zh) | 一种数据库异常行为检测方法及装置 | |
CN114492409B (zh) | 文件内容的评价方法、装置、电子设备及程序产品 | |
CN118276933B (zh) | 软件兼容性问题的处理方法、装置、设备和介质 | |
CN117493514B (zh) | 文本标注方法、装置、电子设备和存储介质 | |
CN117609723A (zh) | 一种对象识别方法、装置、电子设备及存储介质 | |
CN117787707A (zh) | 一种指令监控方法、装置、电子设备及介质 |
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 |