[发明专利]一种基于卷积神经网络的电气操作人员属性推测方法

说明书

本发明公开了一种基于卷积神经网络的电气操作人员属性推测方法，它包括：采集数据库中已经积累的电力操作人员的数据信息，构建训练数据集；对训练数据集文本进行分词及去除停用词预处理操作；随机初始化词向量并在训练数据集上不断调整训练，从而获得词向量，并作为输入用于卷积神经网络中；使用构造好的词向量作为输入，使用卷积神经网络算法CNN进行分类模型的训练；将电气操作人员的信息描述经过数据预处理、词向量化输入到训练好的卷积网络和全连接网络即得到电气操作人员的属性推测标签；解决了现有技术针对电气系统操作人员属性填充耗费大量人力物力且效率低下，同时当前基于分类的方法准确率不高等技术问题。

技术领域

本发明属于软件技术领域，尤其涉及一种基于卷积神经网络的电气操作人员属性推测方法。

背景技术

电气系统操作人员是指电气系统运行变化的实际操作者。操作人员按照上一级下发的指令，执行相应的操作。操作人员的主要职责是通过实际的电力操作调配，保证电气系统安全经济运行，在电气实施的各个方面保证可靠、符合质量标准的服务。操作人员应具有与其工作相应的学识和良好素质，并经过严格训练。操作人员的业务素养、技术水平的高低以及实际操作的质量直接影响数以万计的人民的正常用电，因此在电气系统操作人员的选拔、任用、续用等方面都需要严格把关和调研。

当前电力系统的实际操作人员由于人数众多，招聘发明和标准不统一，因此人才素质参差不急，操作人员的背景即各种属性信息缺失较多，因此操作人员的素养评估方面因信息的缺失不能进行合理全面的评估，亟需对各类操作人员进行属性的搜集和推测。

当前，以大数据分析、自然语言处理、深度学习等技术为基础实现智能分析已经在诸多领域得以应用，不过在电气系统操作人员的属性推测方面，目前主要仍基于人工填报与审核的方法，人工填报审核耗时费力，容易出现差错和纰漏。随着国家的发展，电气系统操作人员的人员数量随之增多，当前电气系统操作人员的基数巨大，这种情况下通过智能方法自动推测操作人员的属性是一个切实可行的方法。因此，如何自动化地推测操作人员的各类属性信息，实现智能化操作人员画像成为亟待解决的问题。针对人数众多繁杂的操作人员的属性推测是电气领域迅速发展不可或缺的步骤。

现有的操作人员属性推测技术发明主要分为两大类——定性描述和基于分类的方法。前者往往通过系统填报和审核手段获得用户多个维度的定性特征。例如，相关单位通过组织相关人员集中填报收集目标操作人员的信息。基于分类的方法通常是使用朴素贝叶斯、支持向量机等机器学习方法从操作人员的资料学习相关特征，然后对操作人员自动进行属性填充。首先，收集大量关于操作人员的结构化和非结构化的数据，通过对这些数据语义信息的学习，将操作人员属性推测问题转化为分类问题。基于分类的方法已经在语音识别、文本挖掘、人脸识别等诸多领域取得了令人满意的成果。通过实现机器学习算法在操作人员的数据上建立模型并训练，使用训练获得的参数模型对操作人员缺失的属性进行分类预测，打“标签”，进而获得操作人员的属性信息。

在大数据时代，数据规模不断扩大，数据结构日益复杂。而现有的操作人员属性推测技术发明中，定性描述方法虽然能较全面勾画目标人群的属性，但是需要发动多批次大规模的填报，耗费大量人力物力且效率低下，同时可能还会参入很多主观因素导致属性信息不一定准确。而基于分类的方法仍然存在需人工标注数据提取特征，也具有一定的人力成本。同时当前基于分类的方法准确率不高。

发明内容

本发明要解决的技术问题是：提供一种基于卷积神经网络的电气操作人员属性推测方法，以解决现有技术针对电气系统操作人员属性填充耗费大量人力物力且效率低下，同时当前基于分类的方法准确率不高等技术问题。

本发明技术：

一种基于卷积神经网络的电气操作人员属性推测方法，它包括：

步骤1、采集数据库中已经积累的电力操作人员的数据信息，构建训练数据集；

步骤2、对训练数据集文本进行分词及去除停用词预处理操作；