基于改进BI-LSTM的变电站防汛数据结构化方法及装置制造方法及图纸

本发明专利技术提供了一种基于改进BI‑LSTM的变电站防汛数据结构化方法，属于变电站防汛数据文本结构化技术领域。一种基于改进BI‑LSTM的变电站防汛数据结构化方法，包括：对变电站防汛数据文本进行分词处理；利用非共享权值卷积神经网络UCNN对分词后的文本词语进行特征提取，利用LeakyRelu激活函数对UCNN输出的特征图进行非线性变换，获得表征防汛数据文本词语含义的特征矩阵；利用双向长短期记忆神经网络BI‑LSTM对特征矩阵进行句子语义理解，利用全连接层对语义理解结果进行分类，利用LeakyRelu激活函数对分类结果进行非线性变换，完成文本结构化。本发明专利技术可以有效提升变电站防汛数据文本质量，解决变电站防汛数据文本存在的问题，为变电站防汛风险影响因素评级提供参考意见。

【技术实现步骤摘要】

本专利技术属于变电站防汛数据文本结构化，具体涉及一种基于改进bi-lstm的变电站防汛数据结构化方法及装置。

技术介绍

1、变电站防汛的运维和消缺工作积累了大量的变电站防汛数据文本，大规模变电站防汛数据文本记录了某站点孕灾环境和承灾体等关键信息，蕴含着丰富的与变电站防汛运行维护相关的经验知识，有助于各站点防汛风险影响因素人工评级工作。

2、但是防汛数据文本存在着体量大、多源异构、信息冗余和杂乱的问题，因此为了更好的利用变电站防汛数据文本，挖掘必要的知识，需要对防汛数据文本进行结构化操作。然而目前缺乏高效的文本数据结构化算法。

技术实现思路

1、本专利技术针对现有技术的不足，提供一种基于改进bi-lstm的变电站防汛数据结构化方法及装置。

2、为解决上述之一或部分或全部技术问题，本专利技术所采用的技术方案是：

3、一种基于改进bi-lstm的变电站防汛数据结构化方法，包括：

4、对变电站防汛数据文本进行分词处理；利用非共享权值卷积神经网络ucnn对分词后的文本词语本文档来自技高网...

【技术保护点】

1.一种基于改进BI-LSTM的变电站防汛数据结构化方法，其特征在于，包括：

2.根据权利要求1所述的基于改进BI-LSTM的变电站防汛数据结构化方法，其特征在于，对变电站防汛数据文本进行分词处理的方法包括：

3.根据权利要求2所述的基于改进BI-LSTM的变电站防汛数据结构化方法，其特征在于，所述专业术语词典包括电力行业专业术语和电力防汛专业术语。

4.根据权利要求1所述的基于改进BI-LSTM的变电站防汛数据结构化方法，其特征在于，所述LeakyRelu激活函数表示为y=max(ax,x)，其中x为激活函数输入，y为激活函数输出，a为函数的反向梯度...

【技术特征摘要】

1.一种基于改进bi-lstm的变电站防汛数据结构化方法，其特征在于，包括：

2.根据权利要求1所述的基于改进bi-lstm的变电站防汛数据结构化方法，其特征在于，对变电站防汛数据文本进行分词处理的方法包括：

3.根据权利要求2所述的基于改进bi-lstm的变电站防汛数据结构化方法，其特征在于，所述专业术语词典包括电力行业专业术语和电力防汛专业术语。

4.根据权利要求1所述的基于改进bi-lstm的变电站防汛数据结构化方法，其特征在于，所述leakyrelu激活函数表示为y=max(ax,x)，其中x为激活函数输入，y为激活函数输出，a为函数的反向梯度，0＜a＜1。

5.根据权利要求1所述的基于改进bi-lstm的变电站防汛数据结构化方法，其特征在于，所述ucnn采用具有不同权值同等大小的卷积核，表示为，，，o(u,v)为文本词语特征值，为非共享卷积核中(i,j)处的权重，m、n分别为卷积核的高度和宽度，为原始数据矩阵，r、s分别为输入特征图的高度和宽度。

6.根据权利要求1所述的基于改进bi-lstm的变电站防汛数据结构化方法，其特征在于，通过ucnn...

【专利技术属性】
技术研发人员：梁允，马煜承，夏中原，王津宇，兰光宇，姚德贵，滑申冰，石英，柯煊华，
申请(专利权)人：国网河南省电力公司电力科学研究院，
类型：发明
国别省市：