【技术实现步骤摘要】
本专利技术涉及电力认知智能，具体涉及一种基于预训练语言模型的电网主设备知识图谱补全方法。
技术介绍
1、随着电力系统的不断发展和扩展，电网设备的数量和复杂度也不断增加，其中的故障和缺陷会导致系统不稳定和安全问题。因此，及时诊断电网设备缺陷成为电力系统运行的关键。知识图谱作为一种结构化知识表示方法，可以用于描述电力系统中的设备及其关系，但如何高效地利用这些知识以实现电网设备缺陷的及时诊断和维护仍是一个挑战。同时，基于预训练语言模型的知识图谱嵌入方法在学习知识图谱中实体的向量表示方面取得了很好的效果，但在领域特定的实体和知识表示方面存在一定的不足。
技术实现思路
1、本专利技术的目的在于提供一种基于预训练语言模型的电网主设备知识图谱补全方法，该方法有利于提高实体补全性能，从而提高电力系统的安全稳定性。
2、为了实现上述目的，本专利技术采用的技术方案是：一种基于预训练语言模型的电网主设备知识图谱补全方法，包括以下步骤：
3、（1）构建电网设备缺陷知识图谱，来模拟与电网设备
【技术保护点】
1.一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，构建电网设备缺陷知识图谱的具体方法为：
3.根据权利要求2所述的一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，获取包含电网主设备及其缺陷信息的数据，通过将半结构化数据进行整理，生成结构化文档，进一步转化为确定格式的记录，形成数据集；然后按照一定比例将数据集划分为训练集、验证集和测试集。
4.根据权利要求3所述的一种基于预训练语言模型的电网主设备知...
【技术特征摘要】
1.一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，构建电网设备缺陷知识图谱的具体方法为：
3.根据权利要求2所述的一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，获取包含电网主设备及其缺陷信息的数据，通过将半结构化数据进行整理，生成结构化文档，进一步转化为确定格式的记录，形成数据集；然后按照一定比例将数据集划分为训练集、验证集和测试集。
4.根据权利要求3所述的一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，对训练集、验证集和测试集进行预处理，具体为：对数据集中的每一个三元组添加反关系，将三元组中的实体和关系转化为id，并使用pagerank计算得分，保存预处理后的结果，用于模型的训练和测试。
5.根据权利要求4所述的一种基于预训练语言模型的电网主设备知识图谱补全方法，其特征在于，在训练集上对plmsm模型进行训练，对预处理...
【专利技术属性】
技术研发人员：吴丽进，廖飞龙，郭俊，林晨翔，黄建业，郑州，赵志超，谢新志，杨彦，张志宏，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。