[发明专利]一种基于文本挖掘技术提取断路器故障特征信息的方法

权利要求书

1.一种基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述方法主要包括：

获取断路器故障信息，采用向量空间模型表示方法将其转化为计算机可识别的结构化信息，建立断路器故障文本；

比较所述断路器故障文本内断路器故障信息的相似度，将所述断路器故障信息进行分类；

统计词频，抽取高频词；

结合供电企业信息系统中断路器采购记录资料以及高压断路器国家技术标准，自定义分词词库；

基于词典匹配的方法，对分词后的断路器故障文本进行词性标注；

将标注信息抽取和高频词汇补充相结合，识别和提取各类型故障的表征词；

建立断路器故障表征信息与部件之间、以及部件与部件之间的关联关系；

其中：分词词库包括供电企业所采用断路器的型号、部件标准名称、生产厂家以及常用的故障特征描述词等；

所述统计词频，抽取高频词，具体还包括：生成各类型故障发生的比率×词语矩阵D，统计各不同类型故障发生的次数，计算其比率，其中，词语矩阵D为断路器常见故障类型及其对应的发生比率构成的矩阵。

2.根据权利要求1所述的基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述比较所述断路器故障文本内断路器故障信息的相似度，将所述断路器故障信息进行分类，具体包括：

采用jaccard相似度度量算法，将断路器的故障类型进行聚类和名称标准化，并据此对故障详细情况文本进行分类。

3.根据权利要求1所述的基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述方法还包括，将各类型故障详细资料文本进行分词和语义消歧。

4.根据权利要求1所述的基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述识别和提取各类型故障的表征词，还包括：统计所述表征词，提取高频词。

5.根据权利要求1所述的基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述方法还包括，提取发生各类型故障的断路器型号及其生产厂家信息，并统计词频。

6.根据权利要求1-4任意一项所述的基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述方法还包括，构建所述断路器故障特征信息结构图。

7.根据权利要求2所述的基于文本挖掘技术提取断路器故障特征信息的方法，其特征在于，所述统计各不同类型故障发生的次数，计算其比率，具体包括

其中，i和j为常数，y(g_i)表示断路器故障类型g_i发生的次数，初始值设为0，N表示断路器故障信息中元素总个数，

其中d_k表示发生次数最多的第k类故障名称，p为比率。