1、“.....如缺陷设备编号名称缺陷发现时间缺陷等级等也包括计算机难以理解的文本,主要为缺陷详细描述,如号主变冷力文本挖掘的科学性。文本挖掘技术在电力缺陷文本中的应用电力缺陷文本的特点及挖掘需求在电力文本挖掘领域,已有些针对电力缺陷文本的应用。电力缺陷文本来自于电网企业日常运维记录,般包括计算机可直接处理的格式规范语义清晰的内容,如缺陷设备编号名称缺陷发现时间缺陷等级等也包括计算机难以理解的文本,主要为缺陷。构建电力本体字典前,首先要构建电力文本语料库,如选择各类电力设备的缺陷消缺检修试验等记录或报告,也可以选择企业颁布的与电力设备相关的导则标准,还有电力企业的各种工单工作票操作票等然后结合已有的外部通用字典,采用基于统计的分词模型,如采用基于隐马尔科夫模型条件随机场模型等,对语料库进行分词,并基于和操作类,但它们有很多相似之处,所以通常可以分为同类......”。

2、“.....必须作为检修人员在操作过程中的基本依据。同时,经营者必须遵守票据的基本规则。操作票属于操作人员,主要是调整设备操作方式应遵循的基本依据,可以起到许可证的作用。是日志,主要是设备检修后需要记录电力文本数据挖掘现状及挑战原稿图谱,采用图搜索方法识别不同类型的缺陷文本并给出提示最后通过算例分析表明,基于知识图谱的缺陷文本识别方法各项评估指标均优于其他人工智能学习方法,并且运行效率能满足工程应用。缺陷严重等级自动分类电力设备缺陷的严重程度常分为紧急严重般类,不同等级缺陷有不同的消缺时间要求,因此缺陷文本的准确分类人员,主要是调整设备操作方式应遵循的基本依据,可以起到许可证的作用。是日志,主要是设备检修后需要记录,并详细记录故障特征和检修过程。日志通常以文本的形式存在,主要包括时间设备状态故障原因等方面的信息。电力文本数据挖掘现状及挑战原稿。将电力文本切分为个个词汇后......”。

3、“.....还会出现人名地名质量。其算例表明,历史缺陷文本在修正后其文本质量得分有较大提升,新录入文本存在的质量问题能被准确识别并给出修正建议。刘梓权等则提出了基于知识图谱的缺陷文本识别方法。首先利用现有电力设备缺陷记录语料库,通过实体抽取属性抽取共指消解关系抽取关系筛选等步骤,构建出电力设备缺陷知识图谱然后基于缺陷知识典。需说明的是,本体字典的构建不会是次完成,而是随着新语料库的增加,会有补充或修订。电力本体字典的构建是必须的基础工作,其质量关系着后续电力文本挖掘的科学性。关键词电力文本数据挖掘现状挑战电网中的文本类型在智能电网运行过程中,会产生大量的数据信息,并存储在数据库中。具体来说,电网中的文本类型主究现状电力文本预处理技术电力本体字典的构建是指将电力词汇分别按照同义近义反义上下位整体部分等本体关系进行组织,并存储在数据库中以供查询调用。构建电力本体字典前......”。

4、“.....也可以选择企业颁布的与电力设备相关的导则标准,还有电力企业的各种要包括以下内容。是资产配置信息,主要涉及电力设备,涉及设备参数名称采购厂家等。是票据,可以分为工作类和操作类,但它们有很多相似之处,所以通常可以分为同类。工作票是指上级下达的指令和设备检修过程中的具体操作步骤,必须作为检修人员在操作过程中的基本依据。同时,经营者必须遵守票据的基本规则。操作票属于操作文本挖掘技术在电力缺陷文本中的应用电力缺陷文本的特点及挖掘需求在电力文本挖掘领域,已有些针对电力缺陷文本的应用。电力缺陷文本来自于电网企业日常运维记录,般包括计算机可直接处理的格式规范语义清晰的内容,如缺陷设备编号名称缺陷发现时间缺陷等级等也包括计算机难以理解的文本,主要为缺陷详细描述,如号主变冷据挖掘技术在电力企业中的应用研究管理方略,。基于机器学习方法......”。

5、“.....是否有监督取决于训练数据是否有标注,有标注的文本可以应用于分类问题,无标注的文本可以应用于聚类问题。根据学习方法,又可以将机器学习分为传统机器学习和深度学习等。传统机器学习算验证了基于算法对文本进行分类的可行性。基于卷积神经网络的电力设备缺陷文本分类模型。首先以大量经过文本预处理的电力设备缺陷文本为语料库,训练出每个词的词向量表示,词向量的各个维度代表通过神经网络语言模型学习到的词的语义特征。然后参考电力设备用语规范,对同义词的词向量进行合并。接下来构建卷积神经网符号等停用词,可根据实际挖掘需求去除待处理文本中的停用词。关键词电力文本数据挖掘现状挑战电网中的文本类型在智能电网运行过程中,会产生大量的数据信息,并存储在数据库中。具体来说,电网中的文本类型主要包括以下内容。是资产配置信息,主要涉及电力设备,涉及设备参数名称采购厂家等。是票据......”。

6、“.....是资产配置信息,主要涉及电力设备,涉及设备参数名称采购厂家等。是票据,可以分为工作类和操作类,但它们有很多相似之处,所以通常可以分为同类。工作票是指上级下达的指令和设备检修过程中的具体操作步骤,必须作为检修人员在操作过程中的基本依据。同时,经营者必须遵守票据的基本规则。操作票属于操作图谱,采用图搜索方法识别不同类型的缺陷文本并给出提示最后通过算例分析表明,基于知识图谱的缺陷文本识别方法各项评估指标均优于其他人工智能学习方法,并且运行效率能满足工程应用。缺陷严重等级自动分类电力设备缺陷的严重程度常分为紧急严重般类,不同等级缺陷有不同的消缺时间要求,因此缺陷文本的准确分类易出现的不完整不具体冗余度过高等问题。然后,定义了缺陷文本质量的评价指标,并提出了基于层次自适应灰色关联分析法的评价方法。接着,基于潜在狄利克雷分布方法,结合国家电网公司的缺陷分类标准修正文本......”。

7、“.....利用文本质量评价方法进行质量问题提示,利用词向量映射方法给出修正建议,保证新录入缺陷文本的电力文本数据挖掘现状及挑战原稿法有逻辑回归隐马尔科夫方法支持向量机方法近邻方法贝叶斯方法以及决策树方法等深度学习算法有深度置信网络卷积神经网络受限玻尔兹曼机和循环神经网络等。其中,由循环神经网络变种而来的长短时记忆网络,由于加入了长期记忆机制,在处理长序列时具有优势,因而适用于长文本的挖掘。电力文本数据挖掘现状及挑战原稿图谱,采用图搜索方法识别不同类型的缺陷文本并给出提示最后通过算例分析表明,基于知识图谱的缺陷文本识别方法各项评估指标均优于其他人工智能学习方法,并且运行效率能满足工程应用。缺陷严重等级自动分类电力设备缺陷的严重程度常分为紧急严重般类,不同等级缺陷有不同的消缺时间要求,因此缺陷文本的准确分类以支持智能电网和资产管理的发展,因此迫切需要有文本挖掘应用成果来示范和引领......”。

8、“.....吸引更多人员参与电力文本挖掘技术及应用的研究中,促进电力文本挖掘理论与工程应用的蓬勃发展。参考文献邱健,王慧芳,应高亮文本信息挖掘技术及其在断路器全寿命状态评价中的应用电力系统自动化,蔡荣言数学习方法,可以根据学习模式将机器学习分为有监督学习无监督学习半监督学习,是否有监督取决于训练数据是否有标注,有标注的文本可以应用于分类问题,无标注的文本可以应用于聚类问题。根据学习方法,又可以将机器学习分为传统机器学习和深度学习等。传统机器学习算法有逻辑回归隐马尔科夫方法支持向量机方法近邻方法贝叶络分类器,以准确标注缺陷等级的文本为训练数据,构建以缺陷文本为输入以分类等级结果为输出的电力缺陷文本分类模型。算例展示了该模型在分类效果上的显著优势,为电力文本分类提供了有效手段。结论目前,电力文本数据挖掘研究已引起重视,但还面临着挖掘需求不明确挖掘效果难以达到预期的困扰......”。

9、“.....是资产配置信息,主要涉及电力设备,涉及设备参数名称采购厂家等。是票据,可以分为工作类和操作类,但它们有很多相似之处,所以通常可以分为同类。工作票是指上级下达的指令和设备检修过程中的具体操作步骤,必须作为检修人员在操作过程中的基本依据。同时,经营者必须遵守票据的基本规则。操作票属于操作非常重要。人工对缺陷文本进行严重等级分类,不仅效率低,而且由于主观因素和经验差异,准确性难以保障。基于词袋模型,实现了文本的向量化,然后基于自主区间搜索最近邻算法,将待归类的缺陷文本与缺陷文本库中已归类的缺陷文本进行对比,找到最相近的文本,然后将待归类文本归入最接近文本的类。算例质量。其算例表明,历史缺陷文本在修正后其文本质量得分有较大提升,新录入文本存在的质量问题能被准确识别并给出修正建议。刘梓权等则提出了基于知识图谱的缺陷文本识别方法......”。