CN117012185A - 基于知识图谱的电网调度方法及系统 - Google Patents
基于知识图谱的电网调度方法及系统 Download PDFInfo
- Publication number
- CN117012185A CN117012185A CN202310736382.3A CN202310736382A CN117012185A CN 117012185 A CN117012185 A CN 117012185A CN 202310736382 A CN202310736382 A CN 202310736382A CN 117012185 A CN117012185 A CN 117012185A
- Authority
- CN
- China
- Prior art keywords
- power grid
- knowledge graph
- grid dispatching
- knowledge
- voice
- 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 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 12
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 230000000644 propagated effect Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
Abstract
本发明属于电网调度技术领域，具体涉及一种基于知识图谱的电网调度方法及系统，包括：获取调度员的语音指令；对所获取的语音指令进行预处理，并提取语音指令特征；基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；根据所得到的文本指令和电网知识图谱，完成电网调度。本发明通过采集并处理调度员的语音信息特征，基于双向循环神经网络建模来进行语音识别，结合知识图谱技术实现电网调度的分析，提高电网调度的识别效率和精度。
Description
技术领域
本发明属于电网调度技术领域，具体涉及一种基于知识图谱的电网调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
电网调度是电网能够安全稳定运行的关键所在，现有的电网调度涉及到大量的重复性的人为操作，随着规模的扩大，现有的方式不仅效率低且增加了因人为操作而出错的风险，将语音识别应用到电网领域，与电网调度结合，使自动化能够代替人力操作。
据发明人了解，电网领域并没有调度专用词库和相关的语音识别模型，随着电力行业的发展，电网运行面临着更大的不确定性，传统的建模方法难以满足当前的快速发展，且电网调度运行的一些常规操作指令和故障处置流程具有高度重复性。
发明内容
为了解决上述问题，本发明提出了一种基于知识图谱的电网调度方法及系统，通过采集并处理调度员的语音信息特征，基于双向循环神经网络建模来进行语音识别，结合知识图谱技术实现电网调度的分析，提高电网调度的识别效率和精度。
根据一些实施例，本发明的第一方案提供了一种基于知识图谱的电网调度方法，采用如下技术方案：
一种基于知识图谱的电网调度方法，包括：
获取调度员的语音指令；
对所获取的语音指令进行预处理，并提取语音指令特征；
基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；
根据所得到的文本指令和电网知识图谱，完成电网调度。
作为进一步的技术限定，所述预处理包括预加重、分帧、加窗和端点检测。
作为进一步的技术限定，采用基于快速傅里叶变换的梅尔倒谱系数来提取语音指令特征。
作为进一步的技术限定，所述双向循环神经网络包括前向传播和反向传播,。
进一步的，根据所提取到的语音指令特征和时刻的正向传递得到每个时刻向前隐藏层的输出，基于时刻的反向传递得到每个时刻向后隐藏层的输出，根据所得到的每个时刻的向前隐藏层输出和向后隐藏层输出，完成语音指令特征的前向传播。
进一步的，反向传递输出层的输出信息，通过延时反向传播算法反向传播向前隐藏层，完成语音指令特征的反向传播。
作为进一步的技术限定，所述知识图谱采用结构化数据抽取，通过对结构化、半结构化和非结构化数据的抽取，将数据抽取成知识图谱需要的三元组的形式，通过对三元组的整体设计，得到电网知识图谱。
根据一些实施例，本发明的第二方案提供了一种基于知识图谱的电网调度系统，采用如下技术方案：
一种基于知识图谱的电网调度系统，包括：
获取模块，其被配置为获取调度员的语音指令；
处理模块，其被配置为对所获取的语音指令进行预处理，并提取语音指令特征；基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；
调度模块，其被配置为根据所得到的文本指令和电网知识图谱，完成电网调度。
根据一些实施例，本发明的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方案所述的基于知识图谱的电网调度方法中的步骤。
根据一些实施例，本发明的第四方案提供了一种电子设备，采用如下技术方案：
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方案所述的基于知识图谱的电网调度方法中的步骤。
与现有技术相比，本发明的有益效果为：
本发明通过采集并处理调度员的语音信息特征，基于双向循环神经网络建模来进行语音识别，结合知识图谱技术实现电网调度的分析，提高电网调度的识别效率和精度。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例一中的基于知识图谱的电网调度方法的流程图；
图2为本发明实施例二中的基于知识图谱的电网调度系统的结构框图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本发明实施例一介绍了一种基于知识图谱的电网调度方法。
如图1所示的一种基于知识图谱的电网调度方法，包括：
获取调度员的语音指令；
对所获取的语音指令进行预处理，并提取语音指令特征；
基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；
根据所得到的文本指令和电网知识图谱，完成电网调度。
作为一种或多种实施方式，在获取调度员语音指令的过程中，通过训练调度员的语音，将用于训练的语音数据进行标注，利用特征提取算法得到语音特征参数，再输入到声学模型中进行训练；对语音进行解码的阶段也就是识别的阶段，需要将用于测试的语音数据进行标注，利用特征提取算法得到的语音特征参数与输入到声学模型中得到的结果进行对比，通过计算相似度来对模型进行准确率的评估。
作为一种或多种实施方式，语音数据预处理操作在语音识别的过程中起着必不可少的作用，特征参数的提取建立在数据预处理的结果之上。数据处理分为离线处理和在线处理:离线处理是先进行数据预处理，再进行特征提取，然后将提取到的特征参数保存到本地文件中，这样模型训练的时候就不会再进行预处理了，只需要读取文件中保存的特征参数，这样做的好处就是一次提取多次训练，方便使用，减少了时间成本，但是这样得到的特征参数时候固定的，不能再进行数据增强了，可能会导致模型的鲁棒性不强；在线处理是在模型训练的时候，每一轮训练都会进行数据预处理，特征参数的提取，然后输入到模型中，在线处理的好处就是能进行数据增强，够灵活，能够增强模型的鲁棒性，但是这会导致时间和资源成本的增加。
对语音数据进行的预处理能够消除收集语音的设备和发声对象本身带来的声音混合叠加、高频、高谐波失真等因素对语音质量的影响，使之后的特征提取得到更加准确的特征参数。常用的预处理方法有:预加重、分帧、加窗、端点检测。
在语音识别的领域中，过去的状态和未来的状态都影响着当前状态的输出，RNN和LSTM结构都是根据过去的的状态来预测当前的输出，而双向循环神经网络BRNN有上下两个RNN结构，分别用于记忆过去和未来的信息，之后可以联合计算得到当前的输出。所以利用BRNN进行语音识别能够更好的利用上下文信息，达到比传统的声学模型更好的效果。
假设Xt表示t时刻的输入，Φ表示激活函数，在BRNN中，向前隐藏层的输出可表示为向后隐藏层的输出可表示为/>即
其中，W表示权重，b表示偏置；基于向前隐藏层的输出和向后隐藏层的输出，即得当前时刻输出Ot为Ot＝HtWhq+bq；其中，Ht∈Rn×2h，Ot∈Rn×q。
BRNN的训练分为两个步骤:
(1)前向传播
首先从t＝1时刻到t＝T时刻正向传递，得到每个时刻向前隐藏层的输出；然后从t＝T时刻到t＝1时刻反向传递，得到每个时刻向后隐藏层的输出；向前和向后传递完成之后，每个时刻根据两个隐藏层的输出计算最终的结果。
(2)反向传播
首先反向传递输出层，保存每个时刻的s；然后利用从输出层保存的s结合BPTT算法反向传播向前隐藏层；最后利用从输出层保存的s结合BPTT算法反向传播向前隐藏层。
作为一种或多种实施方式，知识图谱采用结构化数据抽取，通过对结构化、半结构化和非结构化数据的抽取，将数据抽取成知识图谱需要的三元组的形式，通过对三元组的整体设计，得到电网知识图谱；根据所得到的电网知识图谱和文本指令，完成基于知识图谱的电网调度。
本实施例通过采集并处理调度员的语音信息特征，基于双向循环神经网络建模来进行语音识别，结合知识图谱技术实现电网调度的分析，提高电网调度的识别效率和精度。
实施例二
本发明实施例二介绍了一种基于知识图谱的电网调度系统。
如图2所示的一种基于知识图谱的电网调度系统，包括：
获取模块，其被配置为获取调度员的语音指令；
处理模块，其被配置为对所获取的语音指令进行预处理，并提取语音指令特征；基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；
调度模块，其被配置为根据所得到的文本指令和电网知识图谱，完成电网调度。
详细步骤与实施例一提供的基于知识图谱的电网调度方法相同，在此不再赘述。
实施例三
本发明实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明实施例一所述的基于知识图谱的电网调度方法中的步骤。
详细步骤与实施例一提供的基于知识图谱的电网调度方法相同，在此不再赘述。
实施例四
本发明实施例四提供了一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明实施例一所述的基于知识图谱的电网调度方法中的步骤。
详细步骤与实施例一提供的基于知识图谱的电网调度方法相同，在此不再赘述。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。
Claims (10)
1.一种基于知识图谱的电网调度方法，其特征在于，包括：
获取调度员的语音指令；
对所获取的语音指令进行预处理，并提取语音指令特征；
基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；
根据所得到的文本指令和电网知识图谱，完成电网调度。
2.如权利要求1中所述的一种基于知识图谱的电网调度方法，其特征在于，所述预处理包括预加重、分帧、加窗和端点检测。
3.如权利要求1中所述的一种基于知识图谱的电网调度方法，其特征在于，采用基于快速傅里叶变换的梅尔倒谱系数来提取语音指令特征。
4.如权利要求1中所述的一种基于知识图谱的电网调度方法，其特征在于，所述双向循环神经网络包括前向传播和反向传播,。
5.如权利要求4中所述的一种基于知识图谱的电网调度方法，其特征在于，根据所提取到的语音指令特征和时刻的正向传递得到每个时刻向前隐藏层的输出，基于时刻的反向传递得到每个时刻向后隐藏层的输出，根据所得到的每个时刻的向前隐藏层输出和向后隐藏层输出，完成语音指令特征的前向传播。
6.如权利要求5中所述的一种基于知识图谱的电网调度方法，其特征在于，反向传递输出层的输出信息，通过延时反向传播算法反向传播向前隐藏层，完成语音指令特征的反向传播。
7.如权利要求1中所述的一种基于知识图谱的电网调度方法，其特征在于，所述知识图谱采用结构化数据抽取，通过对结构化、半结构化和非结构化数据的抽取，将数据抽取成知识图谱需要的三元组的形式，通过对三元组的整体设计，得到电网知识图谱。
8.一种基于知识图谱的电网调度系统，其特征在于，包括：
获取模块，其被配置为获取调度员的语音指令；
处理模块，其被配置为对所获取的语音指令进行预处理，并提取语音指令特征；基于双向循环神经网络识别所提取的语音指令特征，得到文本指令；
调度模块，其被配置为根据所得到的文本指令和电网知识图谱，完成电网调度。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的基于知识图谱的电网调度方法的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于知识图谱的电网调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310736382.3A CN117012185A (zh) | 2023-06-20 | 2023-06-20 | 基于知识图谱的电网调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310736382.3A CN117012185A (zh) | 2023-06-20 | 2023-06-20 | 基于知识图谱的电网调度方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117012185A true CN117012185A (zh) | 2023-11-07 |
Family
ID=88560889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310736382.3A Pending CN117012185A (zh) | 2023-06-20 | 2023-06-20 | 基于知识图谱的电网调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117012185A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112613314A (zh) * | 2020-12-29 | 2021-04-06 | 国网江苏省电力有限公司信息通信分公司 | 基于bert模型的电力通信网络知识图谱构建方法 |
| CN112632288A (zh) * | 2020-12-15 | 2021-04-09 | 深圳供电局有限公司 | 一种基于知识图谱的电力调度系统及方法 |
| KR20210092148A (ko) * | 2020-01-15 | 2021-07-23 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 시계열 지식그래프 생성 방법, 장치, 기기 및 매체 |
| CN113642862A (zh) * | 2021-07-29 | 2021-11-12 | 国网江苏省电力有限公司 | 基于bert-mbigru-crf模型的电网调度指令命名实体识别方法及系统 |
| WO2023036017A1 (zh) * | 2021-09-07 | 2023-03-16 | 广西电网有限责任公司贺州供电局 | 一种用于电网调度的语音识别方法及系统 |
-
2023
- 2023-06-20 CN CN202310736382.3A patent/CN117012185A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210092148A (ko) * | 2020-01-15 | 2021-07-23 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 시계열 지식그래프 생성 방법, 장치, 기기 및 매체 |
| CN112632288A (zh) * | 2020-12-15 | 2021-04-09 | 深圳供电局有限公司 | 一种基于知识图谱的电力调度系统及方法 |
| CN112613314A (zh) * | 2020-12-29 | 2021-04-06 | 国网江苏省电力有限公司信息通信分公司 | 基于bert模型的电力通信网络知识图谱构建方法 |
| CN113642862A (zh) * | 2021-07-29 | 2021-11-12 | 国网江苏省电力有限公司 | 基于bert-mbigru-crf模型的电网调度指令命名实体识别方法及系统 |
| WO2023036017A1 (zh) * | 2021-09-07 | 2023-03-16 | 广西电网有限责任公司贺州供电局 | 一种用于电网调度的语音识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110532355B (zh) | 一种基于多任务学习的意图与槽位联合识别方法 | |
| CN112800782B (zh) | 融合文本语义特征的语音翻译方法、系统、设备 | |
| CN109473123A (zh) | 语音活动检测方法及装置 | |
| CN108090218B (zh) | 基于深度强化学习的对话系统生成方法和装置 | |
| CN111666416A (zh) | 用于生成语义匹配模型的方法和装置 | |
| EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
| CN110704597A (zh) | 对话系统可靠性校验方法、模型生成方法及装置 | |
| CN115238045B (zh) | 一种生成式事件论元抽取方法、系统及存储介质 | |
| CN115688920A (zh) | 知识抽取方法、模型的训练方法、装置、设备和介质 | |
| CN111597342A (zh) | 一种多任务意图分类方法、装置、设备及存储介质 | |
| CN110428052B (zh) | 深度神经网络模型的构建方法、装置、介质及电子设备 | |
| CN113763937A (zh) | 语音处理模型的生成方法、装置、设备以及存储介质 | |
| CN112905772A (zh) | 语义相关性分析方法、装置及相关产品 | |
| CN115358243A (zh) | 多轮对话识别模型的训练方法、装置、设备及存储介质 | |
| CN118350464A (zh) | 基于任意粒度文本输入的对话式目标定位方法及装置 | |
| Muthumari et al. | Data augmentation model for audio signal extraction | |
| CN116431501A (zh) | 语音助手的性能测试方法、装置、电子设备及介质 | |
| CN111241843B (zh) | 基于复合神经网络的语义关系推断系统和方法 | |
| CN117012185A (zh) | 基于知识图谱的电网调度方法及系统 | |
| US20230317058A1 (en) | Spoken language processing method and apparatus, and storage medium | |
| CN113254617B (zh) | 基于预训练语言模型和编码器的消息意图识别方法及系统 | |
| CN115827865A (zh) | 一种融合多特征图注意力机制的不良文本分类方法及系统 | |
| CN112417869B (zh) | 一种产品模型描述对比方法及系统 | |
| CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
| CN114116975A (zh) | 一种多意图识别方法及系统 |
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 |