用于电力信息系统的故障分类模型的训练方法及分类方法技术方案

本发明专利技术涉及故障分类技术领域，具体涉及电力信息系统的故障分类模型的训练方法及分类方法。训练方法包括获取电力信息系统的故障文本训练集；故障文本训练集中的各个故障文本带有至少一个故障分类标签；对各个故障文本进行预处理；对预处理后的各个故障文本进行文本向量化，得到向量化的故障文本；将向量化的故障文本输入故障分类模型中得到各个故障文本对应的至少一个预测分类标签，并利用各个故障文本的故障分类标签与对应的至少一个预测分类标签，对故障分类模型中的参数进行优化。各个故障文本带有至少一个故障分类标签，故障分类模型对其进行分类可以得到至少一个预测分类标签，能够在保证故障分类准确率的前提下，提高故障文本分类的效率。

【技术实现步骤摘要】
用于电力信息系统的故障分类模型的训练方法及分类方法
本专利技术涉及故障分类
，具体涉及用于电力信息系统的故障分类模型的训练方法及分类方法。
技术介绍
信息、通信和技术三个英文单词的词头组合(InformationandCommunicationsTechnology，简称ICT)，它是信息技术与通信技术相融合而形成的一个新的概念和新的
其中，将ICT应用在电力系统中，对应的就可以称之为电力信息系统。电网ICT客服工作的核心内容之一是对ICT信息系统用户所提出的具体的故障现象描述进行准确分析，确定引起该故障现象发生的所有可能的故障原因，并及时地将这些信息反馈给用户。其中，将ICT应用在电力系统中，对应的就可以称之为电力信息系统。由于当前的ICT客服(即，电力信息系统客服)工作主要采用电话渠道人工受理的方式，依靠坐席个人的专业能力和知识经验来解答ICT信息系统专业性问题。然而，随着ICT系统部署数量以及系统复杂度的不断增加，ICT客户服务因为客服人力资源局限以及客服人员专业能力和知识储备等方面差异而导致客户服务逐渐变得本文档来自技高网...

【技术保护点】
1.一种用于电力信息系统的故障分类模型的训练方法，其特征在于，包括：/n获取所述电力信息系统的故障文本训练集；其中，所述故障文本训练集中的各个故障文本带有至少一个故障分类标签；/n对各个所述故障文本进行预处理；其中，所述预处理包括分词处理；/n对预处理后的各个所述故障文本进行文本向量化，得到向量化的故障文本；/n将所述向量化的故障文本输入故障分类模型中得到各个所述故障文本对应的至少一个预测分类标签，并利用各个所述故障文本的故障分类标签与对应的所述至少一个预测分类标签，对所述故障分类模型中的参数进行优化。/n

【技术特征摘要】
1.一种用于电力信息系统的故障分类模型的训练方法，其特征在于，包括：
获取所述电力信息系统的故障文本训练集；其中，所述故障文本训练集中的各个故障文本带有至少一个故障分类标签；
对各个所述故障文本进行预处理；其中，所述预处理包括分词处理；
对预处理后的各个所述故障文本进行文本向量化，得到向量化的故障文本；
将所述向量化的故障文本输入故障分类模型中得到各个所述故障文本对应的至少一个预测分类标签，并利用各个所述故障文本的故障分类标签与对应的所述至少一个预测分类标签，对所述故障分类模型中的参数进行优化。


2.根据权利要求1所述的训练方法，其特征在于，所述对预处理后的各个所述故障文本进行文本向量化，得到向量化的故障文本，包括：
对预处理后的各个所述故障文本中的词进行向量化处理，得到词向量；
基于各个所述故障文本包含的所有所述词向量，形成与各个所述故障文本对应的向量化的故障文本。


3.根据权利要求2所述的训练方法，其特征在于，所述基于各个所述故障文本包含的所有所述词向量，形成与各个所述故障文本对应的向量化的故障文本，包括：
对各个所述故障文本包含的所有所述词向量进行加和后取平均值，形成与各个所述故障文本对应的向量化的故障文本。


4.根据权利要求1-3中任一项所述的训练方法，其特征在于，所述对各个所述故障文本进行预处理，包括：
对各个所述故障文本进行分词；
去除分词后的各个所述故障文本中的停用词。


5.根据权利要求1所述的训练方法，其特征在于，所述故障分类模型是基于文本分类模型构建的。


6.根据权利要求1所述的训练方法，其特征在于，所述故障分类标签包括安装问题、网络问题、用户不...

【专利技术属性】
技术研发人员：宋博川，柴博，张强，贾全烨，马应龙，李建桂，
申请(专利权)人：全球能源互联网研究院有限公司，国家电网有限公司，国网山西省电力公司，
类型：发明
国别省市：北京;11