隨著計(jì)算機(jī)技術(shù)的快速發(fā)展以及人工智能與多個(gè)領(lǐng)域的結(jié)合使用,人工智能相關(guān)技術(shù)在生產(chǎn)生活中所提供的便利也讓人們認(rèn)識(shí)到人工智能技術(shù)所擁有的各種潛力,其中知識(shí)圖譜所涉及的各種技術(shù)隨著近些年的發(fā)展也開始成為人們的研究熱點(diǎn)。而在電力領(lǐng)域,電力調(diào)度是為了使各種類的電力生產(chǎn)工作有序進(jìn)行,保證電網(wǎng)對(duì)內(nèi)可以保證自身安全穩(wěn)定運(yùn)行、對(duì)外能夠提供可靠供電所采用的一種有效的管理手段與管理方式。為了提高電力調(diào)度的工作效率,結(jié)合現(xiàn)在知識(shí)圖譜技術(shù)的發(fā)展技術(shù),設(shè)計(jì)并實(shí)現(xiàn)一個(gè)電力調(diào)度領(lǐng)域的知識(shí)抽取系統(tǒng),讓該系統(tǒng)作為后續(xù)電力調(diào)度領(lǐng)域知識(shí)圖譜構(gòu)建的前期工作之一,以保證后續(xù)知識(shí)圖譜構(gòu)建中的其余工作可以順利進(jìn)行。為了解決電力調(diào)度領(lǐng)域知識(shí)圖譜中知識(shí)抽取的問題。目前電力調(diào)度領(lǐng)域沒有相關(guān)的知識(shí)抽取技術(shù)可以直接使用,因此研究并參考知識(shí)抽取技術(shù)在其他領(lǐng)域的一些研究資料以及使用情況,然后結(jié)合本科題的實(shí)際情況,在電力調(diào)度領(lǐng)域中知識(shí)抽取系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)過程中使用到的一些技術(shù)。在數(shù)據(jù)預(yù)處理中,使用數(shù)據(jù)清洗方面的一些技術(shù)對(duì)數(shù)據(jù)中的重復(fù)值和噪聲數(shù)據(jù)進(jìn)行處理;在實(shí)體抽取部分,使用Transformer模型獲取句子的positional embedding代... 

【文章來源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽計(jì)算技術(shù)研究所)遼寧省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

2啟動(dòng)Redis數(shù)據(jù)庫(kù)存儲(chǔ)系統(tǒng)服務(wù)

第5章實(shí)驗(yàn)結(jié)果與分析49第5章實(shí)驗(yàn)結(jié)果與分析5.1引言繼上一章節(jié)介紹了本文中系統(tǒng)的實(shí)現(xiàn)方式，接著在本章節(jié)展示對(duì)系統(tǒng)的功能的一些測(cè)試結(jié)果。其中的測(cè)試內(nèi)容主要是對(duì)知識(shí)抽取系統(tǒng)中的幾個(gè)主要模塊功能進(jìn)行測(cè)試，檢驗(yàn)其中的主要功能的實(shí)現(xiàn)效果。在此基礎(chǔ)上，在實(shí)體抽取部分比較了本文中的實(shí)體抽取模型與其他研究成果中實(shí)體抽取模型的結(jié)果對(duì)比。而在其他部分，展示本系統(tǒng)中主要模塊的在實(shí)現(xiàn)上的結(jié)果。5.2數(shù)據(jù)結(jié)果分析通過把系統(tǒng)各個(gè)部分的運(yùn)行得到各個(gè)部分的運(yùn)行結(jié)果。數(shù)據(jù)預(yù)處理前的資料如圖5.1所示，經(jīng)過數(shù)據(jù)預(yù)處理模塊后的結(jié)果數(shù)據(jù)如圖5.2所示。圖5.1數(shù)據(jù)預(yù)處理前Figure5.1DataPreprocessingBefore在圖5.1和圖5.2這兩張圖片中，圖5.2為正常的文本數(shù)據(jù)，以一個(gè)句子或完整意思的短句為一個(gè)段落，為了將數(shù)據(jù)輸入到模型中進(jìn)行命名實(shí)體識(shí)別，對(duì)文本數(shù)據(jù)進(jìn)行預(yù)處理。處理后的結(jié)果為5.3所示，在該文本文件中，段落中的原來句子已經(jīng)被處理為以單句或是相應(yīng)的詞語為一個(gè)段落。在后續(xù)的模型中，直接將處理后文本中的句子以一個(gè)段落輸入到模型進(jìn)行處理。

電力調(diào)度知識(shí)圖譜中知識(shí)抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)50圖5.2數(shù)據(jù)預(yù)處理后Figure5.2DataPreprocessingLater在數(shù)據(jù)預(yù)處理模塊的測(cè)試結(jié)果中，可達(dá)到預(yù)期的結(jié)果，接著講輸入導(dǎo)入到下一個(gè)模塊使用。該模塊的實(shí)現(xiàn)過程雖然分成了三個(gè)小的模型，但是其結(jié)果是為了實(shí)現(xiàn)知識(shí)抽取中的實(shí)體抽取，因此在訓(xùn)練和測(cè)試的過程中將其作為一個(gè)整體進(jìn)行模型訓(xùn)練與結(jié)果測(cè)試。首先，用于本文的數(shù)據(jù)集來源于某電網(wǎng)公司內(nèi)的電力調(diào)度方面的數(shù)據(jù)。該數(shù)據(jù)集包含訓(xùn)練集和測(cè)試集兩個(gè)部分，其中訓(xùn)練集包含34.2k個(gè)句子，1547.8k個(gè)字；測(cè)試集包含2.9k個(gè)句子，109.3k個(gè)字。然后在標(biāo)注策略和評(píng)價(jià)指標(biāo)方面，命名實(shí)體識(shí)別的標(biāo)注策略有BIO模式、BIOE模式、BIOES模式。本文采用BIOES標(biāo)注策略，其中B(Begin)表示實(shí)體開始，I(Intemediate)表示中間部分，O(Other)表示其他與標(biāo)記無關(guān)的字符，E(End)表示結(jié)束，S(Single)表示單個(gè)字符。命名實(shí)體識(shí)別的評(píng)價(jià)指標(biāo)有準(zhǔn)確率(P)、召回率(R)和F1值。公式中的參數(shù)定義如下：Tp為模型識(shí)別正確的實(shí)體個(gè)數(shù)，F(xiàn)p為模型識(shí)別出的不相關(guān)的實(shí)體個(gè)數(shù)，F(xiàn)n為相關(guān)的實(shí)體但是模型沒有識(shí)別出的個(gè)數(shù)，其中公式表示為公式(5.1)~公式(5.3)

【參考文獻(xiàn)】：
期刊論文
[1]基于BERT-IDCNN-CRF的中文命名實(shí)體識(shí)別方法[J]. 李妮,關(guān)煥梅,楊飄,董文永.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2020(01)
[2]電力調(diào)度的運(yùn)行保障問題與措施分析[J]. 郭小龍,馬麗亞,郭建峰,李湘華.  集成電路應(yīng)用. 2020(01)
[3]電力調(diào)度監(jiān)控一體化系統(tǒng)的告警信息優(yōu)化研究[J]. 吳永琴.  通信電源技術(shù). 2019(12)
[4]基于深度學(xué)習(xí)的關(guān)系抽取研究綜述[J]. 莊傳志,靳小龍,朱偉建,劉靜偉,白龍,程學(xué)旗.  中文信息學(xué)報(bào). 2019(12)
[5]實(shí)體抽取及關(guān)系發(fā)現(xiàn)關(guān)鍵技術(shù)研究[J]. 李福琳.  信息技術(shù)與信息化. 2019(10)
[6]知識(shí)圖譜研究綜述[J]. 黃恒琪,于娟,廖曉,席運(yùn)江.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(06)
[7]基于遷移學(xué)習(xí)和BiLSTM-CRF的中文命名實(shí)體識(shí)別[J]. 武惠,呂立,于碧輝.  小型微型計(jì)算機(jī)系統(tǒng). 2019(06)
[8]基于BiLSTM-CRF的商情實(shí)體識(shí)別模型[J]. 張應(yīng)成,楊洋,蔣瑞,全兵,張利君,任曉雷.  計(jì)算機(jī)工程. 2019(05)
[9]中文命名實(shí)體識(shí)別模型對(duì)比分析[J]. 祖木然提古麗·庫(kù)爾班,艾山·吾買爾.  現(xiàn)代計(jì)算機(jī). 2019(14)
[10]知識(shí)圖譜數(shù)據(jù)管理研究綜述[J]. 王鑫,鄒磊,王朝坤,彭鵬,馮志勇.  軟件學(xué)報(bào). 2019(07)



本文編號(hào)：2993234