佘 俊，羅 勇，余少鋒，廖崇陽(yáng)

（1.南方電網(wǎng)公司調(diào)峰調(diào)頻發(fā)電有限公司信息通信分公司，廣東廣州 511442；2.南方電網(wǎng)公司調(diào)峰調(diào)頻發(fā)電有限公司西部檢修試驗(yàn)分公司，貴州興義 562400）

在現(xiàn)代智能電力系統(tǒng)中，電力數(shù)據(jù)結(jié)構(gòu)復(fù)雜、類型多、存儲(chǔ)量大。電網(wǎng)大數(shù)據(jù)通常分為結(jié)構(gòu)化和非結(jié)構(gòu)化兩種，兩種不同結(jié)構(gòu)的大數(shù)據(jù)在電網(wǎng)中有不同的應(yīng)用價(jià)值[1]。在這種情況下，結(jié)構(gòu)化數(shù)據(jù)可用于戰(zhàn)略制定和統(tǒng)計(jì)分析預(yù)測(cè)趨勢(shì)[2]。非結(jié)構(gòu)化數(shù)據(jù)所占比例較大，因?yàn)槠浒罅坑伞爸匾獌?nèi)容經(jīng)常被記錄”所產(chǎn)生的文本數(shù)據(jù)，這些大容量、高價(jià)值密度的有用信息能夠提高企業(yè)的效率和收益[3]。對(duì)于電力企業(yè)來(lái)說(shuō)，如何檢索這部分?jǐn)?shù)據(jù)，將對(duì)企業(yè)的戰(zhàn)略部署和發(fā)展方向產(chǎn)生重大影響。因此，實(shí)時(shí)檢索獲取電力設(shè)備運(yùn)行信息具有現(xiàn)實(shí)意義[4]。

在電力設(shè)備中，采用基于搜索引擎的信息檢索方法，常常會(huì)存在信息超載和詞匯不匹配的現(xiàn)象，使得用戶向搜索引擎提交的查詢語(yǔ)句往往不規(guī)范，給查詢過(guò)程造成困難。雖然基于語(yǔ)義相似性計(jì)算的電力設(shè)備信息檢索方法已經(jīng)取得了很大的進(jìn)展，但是仍然沒(méi)有從根本上提高檢索性能，對(duì)詞與詞之間的語(yǔ)義關(guān)系缺乏深入研究。同時(shí)，由于對(duì)語(yǔ)義關(guān)系的研究不受語(yǔ)境的限制，從而造成檢索詞的混亂。針對(duì)上述問(wèn)題，該文提出了基于語(yǔ)義理解和AI 的電力設(shè)備信息檢索新方法。

1 信息檢索方法設(shè)計(jì)

1.1 電力設(shè)備信息特征提取技術(shù)

該研究通過(guò)提取文本特征剔除多余虛詞，然后借助分詞工具依次標(biāo)注電力設(shè)備信息中的分詞與詞性[5]。使用詞頻加權(quán)方法分析文檔權(quán)重，其公式為：

式（1）中，tfik表示想要檢索的電力設(shè)備信息在檢索文檔中出現(xiàn)的次數(shù)；N表示電力設(shè)備信息文檔數(shù)量；nk表示電力設(shè)備信息全部文檔中出現(xiàn)想要檢索的電力設(shè)備信息的文檔數(shù)量[6]。

通常，詞組是構(gòu)成文檔的關(guān)鍵部分，一篇文章中最頻繁出現(xiàn)的一組詞為中心主題，通常用TF 詞頻度來(lái)衡量類似文本的特點(diǎn)[7]。文字出現(xiàn)的頻率越低，說(shuō)明文本分類識(shí)別的準(zhǔn)確率越高。因此，利用文本頻率和詞頻度的乘積可以表示特征空間的測(cè)度值，再通過(guò)調(diào)整權(quán)重的方式突出關(guān)鍵字。

1.2 基于語(yǔ)義理解的電力設(shè)備信息處理技術(shù)

基于語(yǔ)義理解就是發(fā)現(xiàn)詞和符號(hào)所表達(dá)的“意義”，根據(jù)這一思想，語(yǔ)義理解也需要一個(gè)以句子意義作為最終理解和表達(dá)的形式符號(hào)系統(tǒng)，其描述公式為：

式（2）中，CE表示語(yǔ)句類的表達(dá)式；S表示語(yǔ)義塊；C表示描述對(duì)象；f()和g()表示約束函數(shù)[8-10]。

結(jié)合上述公式，設(shè)計(jì)基于語(yǔ)義理解的電力設(shè)備信息處理步驟，如圖1 所示。

如圖1 所示，處理語(yǔ)義信息時(shí)，虛線框中的句類假設(shè)和檢測(cè)、語(yǔ)義塊構(gòu)成等作為處理環(huán)節(jié)，輸入自然語(yǔ)言語(yǔ)句，再輸出相應(yīng)的句類表示和詞描述[11-12]。

具體處理步驟：在信息預(yù)處理之后，基于句子中懷疑詞所包含的概念對(duì)可能的句型作出假設(shè)，并基于所包含的概念性知識(shí)來(lái)判斷句子的類型?；诖耍谜Z(yǔ)義塊來(lái)判斷詞語(yǔ)，假定在處理過(guò)程中未能通過(guò)上述步驟，將導(dǎo)致追溯，此時(shí)需要再次進(jìn)行“假設(shè)”和“探測(cè)”[13]。

1.3 查詢擴(kuò)展技術(shù)

查詢擴(kuò)展技術(shù)是語(yǔ)義檢索的關(guān)鍵技術(shù)，通過(guò)添加與原始查詢語(yǔ)言查詢語(yǔ)義相關(guān)的詞或概念，使查詢時(shí)間較原始查詢長(zhǎng)，從而提高了文檔檢索效率、查全率和準(zhǔn)確性[14]。通過(guò)對(duì)相關(guān)內(nèi)容和用戶需求的比較，提取語(yǔ)義信息；對(duì)于知識(shí)庫(kù)中存在的詞組，使用語(yǔ)義詞典對(duì)語(yǔ)義進(jìn)行擴(kuò)展處理，并以表格形式展現(xiàn)給用戶，供用戶自行識(shí)別[15]。查詢字符串被擴(kuò)展成搜索引擎查詢，查詢結(jié)果被聚類并呈現(xiàn)給用戶。查詢擴(kuò)展流程如圖2 所示。

具體查詢擴(kuò)展過(guò)程：首先應(yīng)確定原始查詢串r；然后擴(kuò)展查詢串R，經(jīng)過(guò)分詞處理后，將原始查詢串r分解成n個(gè)檢索關(guān)鍵詞[16]。其中，關(guān)鍵詞語(yǔ)義相似度最為接近的同義詞數(shù)量為m1,m2,…,mn，將其擴(kuò)展為r11,…,r1m1,r21,…r2m2,…,rn1…,rnmn詞組，并確定擴(kuò)展查詢子串為k=m1×m2×…×mn+1 個(gè)；最終得到的各個(gè)查詢子串為：

結(jié)合式（3），可得到擴(kuò)展后的查詢子串。

1.4 基于語(yǔ)義理解的AI檢索模型構(gòu)建

基于上述內(nèi)容，構(gòu)建基于語(yǔ)義理解的AI 檢索模型，如圖3 所示。

由圖3 可知，該模型主要是由四個(gè)模塊組成的，如下所示：

1）預(yù)處理模塊

為便于后續(xù)的相似度計(jì)算，在用戶查詢之前采用分詞和刪除停用詞的預(yù)處理方式，將停用詞轉(zhuǎn)換成文件矢量形式。

2）語(yǔ)義關(guān)系分析模塊

通過(guò)預(yù)處理模塊搭建語(yǔ)義知識(shí)庫(kù)，使不同詞語(yǔ)形成語(yǔ)法依賴關(guān)系。語(yǔ)義概念空間是一種能將語(yǔ)言進(jìn)行量化處理的空間，通過(guò)語(yǔ)義判斷能夠解決概念間隱含的數(shù)據(jù)結(jié)構(gòu)問(wèn)題。量化機(jī)制中的事態(tài)信息量級(jí)如表1 所示。

表1 事態(tài)信息量級(jí)

3）判別信息空間模塊

在選擇信息空間時(shí)，要根據(jù)三種不同的語(yǔ)言信息量，通過(guò)句法依賴圖進(jìn)行判斷。

4）語(yǔ)境分析和查詢模塊

識(shí)別出信息空間后，對(duì)文檔數(shù)據(jù)庫(kù)中的各個(gè)數(shù)據(jù)進(jìn)行匹配，使得數(shù)據(jù)可以對(duì)應(yīng)于文檔，然后對(duì)文檔進(jìn)行排序，并返回查詢結(jié)果。

2 實(shí)驗(yàn)與分析

為了驗(yàn)證基于語(yǔ)義理解和AI 的電力設(shè)備信息檢索方法的有效性，結(jié)合F 供電局供電情況進(jìn)行實(shí)驗(yàn)驗(yàn)證分析。

2.1 F供電局概況

F 供電局是某供電公司直屬的企業(yè)，主要負(fù)責(zé)電力供應(yīng)，目前供電客戶為300 多萬(wàn)戶，在2020 年該供電局最高供應(yīng)負(fù)荷可達(dá)到1 500 萬(wàn)千瓦。截至到目前，F(xiàn) 供電局共有110 kV、220 kV、500 kV 輸電線路長(zhǎng)4 500 km 左右，主變壓器為五百多臺(tái)。F 供電局主要電力設(shè)備如表2 所示。

表2 F供電局主要電力設(shè)備

2.2 電力設(shè)備信息集

從F 供電局的變壓器、斷路器、變電站和電源開(kāi)關(guān)四種設(shè)備中提取電力設(shè)備信息，構(gòu)成信息集，信息集中保留了電力設(shè)備共600 條信息。

2.3 實(shí)驗(yàn)指標(biāo)確定

1）信息查全率

設(shè)檢索出的變壓器、斷路器、變電站和電源開(kāi)關(guān)四種設(shè)備電力設(shè)備信息為a，總信息量為c，信息查全率計(jì)算公式為：

由式（4）可知，總信息量c中除了檢索到的全部信息外，還包含歷史信息庫(kù)中的信息，信息查全率越高，說(shuō)明從全部信息中檢索到的變壓器、斷路器、變電站和電源開(kāi)關(guān)四種設(shè)備電力設(shè)備信息就越全面。

2）信息查準(zhǔn)率

設(shè)檢索出的變壓器、斷路器、變電站和電源開(kāi)關(guān)四種設(shè)備電力設(shè)備信息為a，其余信息量為b，由此計(jì)算信息查準(zhǔn)率：

由式（5）可知，信息查準(zhǔn)率越高，說(shuō)明從全部信息中檢索到變壓器、斷路器、變電站和電源開(kāi)關(guān)四種設(shè)備電力設(shè)備信息的精度就越高。

2.4 實(shí)驗(yàn)結(jié)果與分析

2.4.1 信息查全率

結(jié)合表2 確定檢索到的總信息數(shù)量為7 544 條，分別使用基于搜索引擎的電力設(shè)備信息檢索方法、基于語(yǔ)義相似度計(jì)算的電力設(shè)備信息檢索方法和基于語(yǔ)義理解和AI 的電力設(shè)備信息檢索方法對(duì)信息查全率進(jìn)行對(duì)比分析，結(jié)果如圖4 所示。

由圖4 可知，使用基于搜索引擎的檢索方法在前5 次計(jì)算過(guò)程中，信息查全率大于60%，在后4 次計(jì)算過(guò)程中，信息查全率大幅度下降，說(shuō)明該計(jì)算過(guò)程受到了歷史信息庫(kù)中的信息影響；使用基于語(yǔ)義相似度計(jì)算的檢索方法在9 次計(jì)算過(guò)程中，信息查全率大于60%；使用基于語(yǔ)義理解和AI 的檢索方法在9 次計(jì)算過(guò)程中，信息查全率始終大于80%。

2.4.2 信息查準(zhǔn)率

對(duì)比分析不同方法的信息查詢結(jié)果，如表3所示。

由表3可知，基于語(yǔ)義理解和AI的電力設(shè)備信息檢索方法的查準(zhǔn)率接近100%，具有精準(zhǔn)檢測(cè)結(jié)果。

表3 不同方法信息查詢結(jié)果對(duì)比分析

3 結(jié)束語(yǔ)

該文提出一種基于語(yǔ)義理解和AI 的電力設(shè)備信息檢索方法，有效提高了檢索查全率和查準(zhǔn)率。

該方法的主要特點(diǎn)：相對(duì)于傳統(tǒng)檢索方法，基于語(yǔ)義理解擴(kuò)展原始的關(guān)鍵字集合，得到新的關(guān)鍵字集合。此集合更適合于用戶希望表達(dá)的內(nèi)容，因此使查詢更精確；該方法可以快速建立和優(yōu)化索引，同時(shí)利用查詢擴(kuò)展模塊對(duì)關(guān)鍵字集進(jìn)行檢索，利用索引技術(shù)實(shí)現(xiàn)快速高效的檢索。