[发明专利]一种基于Bert的面向非结构化电力数据的知识抽取方法及系统

说明书

本发明属于电力数据处理技术领域，尤其为一种基于Bert的面向非结构化电力数据的知识抽取方法及系统，该方法中，对触发词明显、句式和位置相对固定的知识，使用正则匹配方法抽取知识实体，对于非结构化电力数据中存在实体界限模糊和实体嵌套问题，通过基于Bert的知识抽取方法来抽取知识实体，然后再利用实体抽取的结果使用基于Bert的预训练语言模型进行关系和属性抽取，最终实现对非结构化电力数据的知识抽取，充分考虑了非结构化电力数据的句式和结构，适于非结构化电力数据的知识抽取，属于一种深度学习的知识抽取方法，而深度学习方法可以自动学习特征，采用低维、稠密的实值向量表示数据，避免了对人工和专家知识的严重依赖。

技术领域

本发明属于电力数据处理技术领域，具体涉及一种基于Bert的面向非结构化电力数据的知识抽取方法及系统。

背景技术

在电力领域，通过对电力数据进行分析能够指引电力公司对电网进行诊断、优化和预测，从而有利于电网安全可靠、经济高效的运行。

电力数据主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，电力数据可大致分为三类：一是电网运行和设备检测或监测数据；二是电力企业营销数据，如交易电价、售电量、用电客户等方面数据；三是电力企业管理数据。在电力数据中，按照数据结构分，电力数据包括结构化数据和非结构化数据，非结构化数据比结构化数据规模更大，针对结构化数据，目前已经存在成熟的分析工具，但非结构化数据具有数据不规则或不完整性，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据，目前用于分析非结构化数据的分析工具还处于发展阶段。

随着电网规模的不断扩大，非结构化电力数据呈现数量大、类型多、处置难等特点，单靠人工积累和提取可用知识效率低，难以实现电力数据的快速整合及利用。因此，电力系统亟需智能化技术来提高知识提取的效率，从而形成专业的电力领域知识库，支撑电力数据的快速有效整合。

传统知识抽取方法多依靠领域专家制定抽取规则、模板完成实体抽取，自动化程度较低，适用于小数据集，并且基于规则的方法往往需要大量的语言学知识，且费时费力、可移植性不好。

发明内容

本发明旨在提供一种基于Bert的面向非结构化电力数据的知识抽取方法，解决现有技术中对非结构化电力数据的知识抽取效率低、对知识抽取人员专业性要求高的技术问题。

为解决上述技术问题，本发明的第一方面是：

提供一种基于Bert的面向非结构化电力数据的知识抽取方法，包括以下步骤：

(1)首先联合模板匹配和基于Bert的预训练语言模型进行实体抽取；

(2)然后再利用实体抽取的结果使用基于Bert的预训练语言模型进行关系和属性抽取，最终实现对非结构化电力数据的知识抽取。

优选的，所述步骤(1)包括：

(1.1)对于非结构化电力数据中的实体触发词明显、句式和位置相对固定的知识内容，使用正则匹配的方法来抽取知识实体；

(1.2)对于非结构化电力数据中存在实体界限模糊和实体嵌套问题，且实体成分复杂、位置不固定的知识内容，通过基于Bert的知识抽取方法来抽取知识实体。

优选的，所述步骤(1.1)包括：

(1.1.1)建立正则表达式：从非结构化电力数据的知识角度出发，设定能够反映电力数据的实体以及实体之间的关系的正则表达式；

(1.1.2)以实体触发词为核心，锁定从非结构化电力数据中挑选的文本中触发词所在句；

(1.1.3)通过正则表达式对锁定的全部示例句进行模板匹配，最终完成知识的抽取。