知识抽取

SDH光传输系统是支撑大电网安全运行的关键电力通信设施,当前对于实时严重告警的排查主要依赖通信调度人员的经验开展关联分析,该模式存在排查速度慢、业务协同差等不足。为了解决以上问题,提出了一种面向SDH光传输系统告警的领域知识图谱构建方法。针对告警文本中实体嵌套和边界难以确定的问题,构建BERT+Bi-LSTM+CNN模型进行命名实体识别。采用Multi-Attention+TextRNN模型进行关系抽取,并基于GCN+Self-Attention进行知识图谱融合。以某线路的通信设备告警文本为实验对象,采用所提出的方法进行知识抽取和融合,实体识别准确率达到91.42%,知识融合的hits@1能达到38.1%,验证了针对SDH光传输系统告警场景的领域知识图谱构建方法的有效性。

随着现阶段电力系统作业风险数据的不断积累,以继电保护为代表的电力二次作业风险知识需要以更为高效的方式进行存储与查询,知识图谱技术所具有的高度结构化的特点为该领域问题的解决提供了可行性方案。在此背景下,文章首先设计了一种面向电力二次作业的知识图谱构建方法,包括数据预处理、知识抽取、知识融合与存储过程;然后,针对知识抽取方法,提出一种融合旋转位置编码及注意力机制的级联(casRel-attention-RoPE,CasRel-AttR)实体关系联合抽取方法,针对二次作业语料特征,在级联关系三元组抽取(cascade relational triple extraction,CasRel)模型主客体标注部分加入融合旋转位置编码(rotary position embedding,RoPE)的自注意力机制,并在自构建的二次作业风险数据集上设置实验,实验结果证明模型在识别效果上的优越性。最后,在抽取得到的三元组基础上,根据构建流程构建了完整的知识图谱,初步达到辅助风险分级与运维决策的效果,为后续有效支撑二次作业风险防范领域的数字化转型工作提供参考。

为了满足对电力标准文献的深度挖掘和知识规则构建的需求，提出了一种电力标准数字化方案，该方案以条件事理图谱为基础，为电力行业的高效、智能化发展提供了新的解决方案。首先为实现电力标准文献的精细化知识抽取，结合了规则和语义角色标注技术，提取出关键知识三元组，在知识融合阶段，采用词语相似度方法整合知识，提高图谱准确性；其次，建立了针对电力领域的改进标准知识图谱，更全面地表达了电力标准中的知识和规则；最后，结合Cypher查询语言和产生式规则，实现电力设备的辅助知识问答和状态评估任务，大大增强了图谱的实用性。