【技术实现步骤摘要】
本专利技术属于电网调度，尤其涉及一种基于改进deeppath模型的电网调度业务智能问答推理系统及方法。
技术介绍
1、随着电网的快速发展，电网调度业务问答系统成为目前调度技术研究的重点问题。目前基于自然语言处理等诸多技术的客服系统已经被诸多公司采用，然而相应的技术仍处在起始阶段，使用流程复杂并且往往得不到想要的答案，效率低下，给调度人员带来了极大的困扰。最终大量重复性的需求都被转移到调度人员自身，浪费了大量的人力资源，并且用户对问答系统的满意度也比较低。
2、近年来，路径排序算法逐渐成为大型知识图谱中学习推理路径的一种热门方法，其使用基于重启的随机行走推理机制来执行多个有界深度优先搜索过程，以找到相关路径，然后使用监督学习选择更合理的路径。然而，路径排序算法在完全离散的空间中运行，这使得其难以评估和比较知识图谱中的实体和关系。
3、针对上述的缺陷，deeppath算法被提出，与路径排序算法中基于随机游走的查找模式不同，deeppath是一种可控多跳推理方法，deeppath模型包括两部分：左边是外部环境，被建模成马尔可夫决策过程，指定知识图谱和智能体的交互，右边是策略网络智能体，将其中的状态向量映射到策略中，在每个过程中，智能体通过学习一个关系来拓展推理路径。此外，deeppath算法在准确度、精确性和多样性方面设置奖励，能够更好的监督每一步的过程。综上所示，deeppath模型将对路径的搜索转化为强化学习的过程，在此过程中通过控制所找路径的属性来减少所需的搜索空间；但在智能问答中，由于包含大量的相似语法
技术实现思路
1、针对现有技术中存在的不足，本专利技术提供了一种基于改进deeppath模型的电网调度业务智能问答推理系统及方法，提高了智能体找到路径的质量，设置了针对全局准确性、路径效率、路径多样性的奖励机制，并采用了transformer结构作为策略网络，提高了对上下文的抓取能力，提出了采用有监督策略开始训练过程，使用随机的广度优先搜索来训练监督策略，提升了推理的有效性与效率。
2、本专利技术是通过以下技术手段实现上述技术目的的。
3、一种基于改进deeppath模型的电网调度业务智能问答推理系统的电网调度业务智能问答推理方法，系统包括模型单元、分析单元、执行单元、显示单元，模型单元用于建立电力调度知识图谱本体模型，分析问题句并识别问题句中的实体，分析单元用于进行语义分析以提取目标和约束条件，执行单元用于执行知识推理，显示单元用于生成可视化查询结果并返回给用户，电网调度业务智能问答推理方法包括如下过程：
4、步骤1：采集电力公司调度业务部门原始数据作为知识基础，构建电力调度知识图谱本体模型，然后对问题句进行深入分析，根据电力调度知识图谱本体模型和特定知识来识别问题句中的实体，作为后续输入；
5、步骤2：在步骤1的基础上，进行语义分析，以提取目标和约束条件；
6、步骤3：在步骤2的基础上，执行知识推理：
7、步骤3.1：使用电力调度知识图谱本体模型搜索和合并推理路径；
8、步骤3.2：基于transformer结构自动生成查询语句；
9、步骤3.3：在知识库中运行查询；
10、步骤4：在步骤3的基础上，生成可视化查询结果，并将答案返回给用户。
11、进一步地，所述步骤2包括：将电力调度知识图谱本体模型分为两个部分：抽象模型和物理模型；抽象模型是电网调度业务及其相应属性和相互关系的统一定义，即推理过程；物理模型定义了特定的电力设备，阐明了各种设备的拓扑连接，并描述了设备与抽象模型之间的从属关系。
12、进一步地，所述步骤3.1包括：
13、改进deeppath模型包括两个部分，外部环境和智能体，外部环境ε指定了智能体和知识图谱之间的交互关系，该外部环境被建模为马尔可夫决策过程；定义元组s、a、p、r>表示马尔可夫决策过程，马尔可夫决策过程就是搜索和和合并推理路径的过程，其中，s是连续状态空间，a＝{a1,a2…an}是所有行为的集合，a1,a2…an分别表示n个不同的行为，p＝(st+1＝s|st＝s,at＝a)是转移概率矩阵，at表示当前状态下可能采取的行为集合，a表示行为，st表示当前状态下可能的状态集合，s表示状态，st+1表示下一阶段可能的状态集合；r＝(s,a)是每个(s,a)对的奖励函数，s表示状态，a表示行为，r表示智能体给出动作后外部环境对智能体的反馈；
14、智能体表示为一个策略网络πθ(s,a)＝p(a|s；θ)，它将状态向量映射到一个随机策略，θ表示具体的策略，πθ(s,a)表示在s状态下采取a动作发生θ策略的可能性；
15、每个状态都获取智能体在知识图谱中的位置，在执行行为后，智能体将从一个实体移动到另一个实体，这两者由智能体所采取的行为联系起来，智能体从一个实体移动到另一个实体行为关系的状态向量如下所示：
16、st＝(et,etarget-et) (1)
17、式中，et代表当前实体结点的嵌入，etarget代表目标实体的嵌入；在最初状态时，et＝esource，esource表示初始实体的嵌入，因为在路径查找过程中推理关系的嵌入保持不变，所以推理关系并未合并到状态中；
18、为提高智能体找到路径的质量，设置奖励机制。
19、进一步地，所述奖励机制包括以下评分标准：
20、全局准确性：在环境设置中，智能体可以执行的操作数量较多，则错误的决策比正确的决策多，并且这些错误决策序列的数量随着路径的长度增加而呈指数增长，因此，第一个奖励函数rglobal定义如下：
21、
22、若智能体在一系列行为后达到目标，则给予其离线正奖励+1；
23、路径效率：对于关系推理任务，由于短路径比长路径能提供更可靠的推理证据；更短的关系链通过限制智能体与环境的交互长度来提高推理效率，则效率奖励refficency定义如下：
24、
25、式中，路径p定义为一系列关系r1-r2…rp，即路径p为从起点至终点的一条可行路径，从起点至节点1为r1，节点1至节点2为r2……；length(p)表示智能体与环境的交互长度；
26、路径多样性：在知识图谱中，存在语义相似的实体，导致智能体寻找到具有相似的语法和语义的路径，这些路径包含冗余信息；为了鼓励智能体找到更加多样化的路径，使用当前路径和已有路径之间的余弦相似度定义奖励函数rdiversity如下：
27、
28、式中，表示r1-r2…rp的嵌入向量，f代表已存在关系的路径个数，cos(p,pi)表示当前路径和已本文档来自技高网...
【技术保护点】
1.一种基于改进DeepPath模型的电网调度业务智能问答推理方法，其特征在于，包括如下过程：
2.根据权利要求1所述的电网调度业务智能问答推理方法，其特征在于，所述步骤2包括：将电力调度知识图谱本体模型分为两个部分：抽象模型和物理模型；抽象模型是电网调度业务及其相应属性和相互关系的统一定义，即推理过程；物理模型定义了特定的电力设备，阐明了各种设备的拓扑连接，并描述了设备与抽象模型之间的从属关系。
3.根据权利要求1所述的电网调度业务智能问答推理方法，其特征在于，所述步骤3.1包括：
4.根据权利要求3所述的电网调度业务智能问答推理方法，其特征在于，所述智能体从一个实体移动到另一个实体行为关系的状态向量如下所示：
5.根据权利要求4所述的电网调度业务智能问答推理方法，其特征在于，所述步骤3.1还包括设置奖励机制，其中，奖励机制包括以下评分标准：
6.根据权利要求5所述的电网调度业务智能问答推理方法，其特征在于，所述奖励机制还包括以下评分标准：
7.根据权利要求1所述的电网调度业务智能问答推理方法，其特征在于，
8.根据权利要求1所述的电网调度业务智能问答推理方法，其特征在于，所述步骤3.3包括：
9.根据权利要求8所述的电网调度业务智能问答推理方法，其特征在于，所述步骤3.3还包括
10.一种用于实现权利要求1至9中任一项所述电网调度业务智能问答推理方法的系统，其特征在于，包括模型单元、分析单元、执行单元、显示单元，模型单元用于建立电力调度知识图谱本体模型，分析问题句并识别问题句中的实体，分析单元用于进行语义分析以提取目标和约束条件，执行单元用于执行知识推理，显示单元用于生成可视化查询结果并返回给用户。
...【技术特征摘要】
1.一种基于改进deeppath模型的电网调度业务智能问答推理方法，其特征在于，包括如下过程：
2.根据权利要求1所述的电网调度业务智能问答推理方法，其特征在于，所述步骤2包括：将电力调度知识图谱本体模型分为两个部分：抽象模型和物理模型；抽象模型是电网调度业务及其相应属性和相互关系的统一定义，即推理过程；物理模型定义了特定的电力设备，阐明了各种设备的拓扑连接，并描述了设备与抽象模型之间的从属关系。
3.根据权利要求1所述的电网调度业务智能问答推理方法，其特征在于，所述步骤3.1包括：
4.根据权利要求3所述的电网调度业务智能问答推理方法，其特征在于，所述智能体从一个实体移动到另一个实体行为关系的状态向量如下所示：
5.根据权利要求4所述的电网调度业务智能问答推理方法，其特征在于，所述步骤3.1还包括设置奖励机制，其中，奖...
【专利技术属性】
技术研发人员：肖飞，陈宏福，韩政，高峰，胡友琳，姜玉靓，贡鹏浩，
申请(专利权)人：国网上海市电力公司，
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。