基于语义特征抓取电网调度事件的检测技术

doi:10.16183/j.cnki.jsjtu.2021.S2.014

上海交通大学学报 ›› 2021, Vol. 55 ›› Issue (S2): 86-91.doi: 10.16183/j.cnki.jsjtu.2021.S2.014

基于语义特征抓取电网调度事件的检测技术

许凌¹, 王兴志¹, 肖林朋²^,³()

1.国家电网有限公司华东分部,上海 200120
2.南瑞集团有限公司(国网电力科学研究院有限公司),南京 211106
3.北京科东电力控制系统有限责任公司,北京100192

收稿日期:2021-09-01 出版日期:2021-12-28 发布日期:2022-01-24
通讯作者: 肖林朋 E-mail:1553990434@qq.com
作者简介:许凌(1981-),男,山东省平度市人,高级工程师,从事大电网调度运行及自动控制研究.
基金资助:
国家电网有限公司华东分部科技项目(SGHD0000DKJS2100225)

Power Grid Dispatching Event Detection Technology Based on Semantic Feature Capture

XU Ling¹, WANG Xingzhi¹, XIAO Linpeng²^,³()

1. East Branch of State Grid Corporation of China, Shangha 200120, China
2. Nari Group Corporation (State Grid Electric Power Research Institute), Nanjing 211106, China
3. Beijing Kedong Power Control System Co., Ltd., Beijing 100192, China

Received:2021-09-01 Online:2021-12-28 Published:2022-01-24
Contact: XIAO Linpeng E-mail:1553990434@qq.com

摘要/Abstract

摘要：

电网运行管理文档中的领域用语专业且复杂,在信息化提取的过程中需要优秀且适用的事件检测方法抽取事件主体.而当前的中文事件检测方法大多采用词嵌入技术以捕获语义表示,但这些方法难以捕捉触发词与同一句子中的其他领域词汇间的依赖关系.基于上述现状,提出了一种混合表示的新架构,以表征两个字符和单词的语义和结构信息.该模型可以通过依赖性解析器生成的语义表示来捕获富语义特征.实验基于调度日志、调度检修票、调度预案语料使用不同模型进行评估,结果表明,该方法可以显著提高电网调度文本事件检测的性能.

关键词: 电网调度, 事件检测, 神经网络, 语义特征

Abstract:

The domain terms in power grid operation management documents are professional and complex. In the process of information extraction, excellent and applicable event detection methods are needed to extract event subjects. However, most of the current Chinese event detection methods use the word embedding technology to capture semantic representation, but it is difficult for these methods to capture the dependency between trigger words and other domain words in the same sentence. Based on the above situation, this paper proposes a novel hybrid representation architecture to represent the semantic and structural information of two characters and words. The model can capture rich semantic features through the semantic representation generated by the dependency parser. The experiment is based on the corpus of dispatching log, dispatching maintenance ticket, and dispatching plan. The results show that this method can significantly improve the performance of power grid dispatching text event detection.

Key words: power grid dispatching, event detection, neural network, semantic feature

中图分类号:

TP311

许凌, 王兴志, 肖林朋. 基于语义特征抓取电网调度事件的检测技术[J]. 上海交通大学学报, 2021, 55(S2): 86-91.

XU Ling, WANG Xingzhi, XIAO Linpeng. Power Grid Dispatching Event Detection Technology Based on Semantic Feature Capture[J]. Journal of Shanghai Jiao Tong University, 2021, 55(S2): 86-91.

图/表 5

表1

图1

图2

图3

表2

参考文献 8

[1]	ZHANG T T, JI H, SIL A. Joint entity and event extraction with generative adversarial imitation learning[J]. Data Intelligence, 2019, 1(2): 99-120. doi: 10.1162/dint_a_00014 URL
[2]	LIU S L, CHEN Y B, LIU K, et al. Exploiting argument information to improve event detection via supervised attention mechanisms[C]// 55th Annual Meeting of the Association for Computational Linguistics. Vancouver: ACL, 2017: 1789-1798.
[3]	YANG Y M, PIERCE T, CARBONELL J. A study of retrospective and on-line event detection[C]// 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. Melbourne: ACM, 1998: 28-36.
[4]	YANG Y M, ZHANG J, CARBONELL J, et al. Topic-conditioned novelty detection[C]// Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. Edmonton: ACM, 2002: 688-693.
[5]	SALTON G. Automatic text processing: The transformation analysis and retrieval of information by computer[M]. Reading: Addison-Wesley, 1989.
[6]	KUMARAN G, ALLAN J. Text classification and named entities for new event detection[C]// 27th Annual International Conference on Research and Development in Information Retrieval. Sheffield: ACM, 2004: 297-304.
[7]	SANKARANARAYANAN J, SAMET H, TEITLER B E, et al. TwitterStand: News in tweets[C]// 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. Seattle: ACM, 2009: 42-51.
[8]	PHUVIPADAWAT S, MURATA T. Breaking news detection and tracking in twitter[C]// 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. Toronto: IEEE, 2010: 120-123.

编辑推荐 0

Metrics

阅读次数

全文

277

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	5	0	0	272

来源	本网站	其他网站

次数	172	105
比例	62%	38%

摘要

469

最新录用	在线预览	正式出版

0	0	469

来源	本网站	其他网站

次数	393	76
比例	84%	16%

编号	句子	触发词
1	A省火电站总体装机容量为x kW	电站类型
2	供电员工站立时的行为举止规范要求	身体姿态

模型	触发识别			触发分类
模型	P	R	F1	P	R	F1
FBRNN	62.23	37.8	45.98	51.87	32.78	40.82
DMCNN	56.27	23.82	46.92	67.21	32.98	45.98
CLIZH	63.21	23.45	33.72	60.76	35.21	36.87
NPN	65.87	66.78	33.87	56.98	45.89	40.30
JMCEE	67.28	67.89	36.89	49.90	35.89	40.37
本文方法	69.34	59.34	49.38	68.21	46.98	49.90

[1]	曾国治, 魏子清, 岳宝, 丁云霄, 郑春元, 翟晓强. 基于CNN-RNN组合模型的办公建筑能耗预测[J]. 上海交通大学学报, 2022, 56(9): 1256-1261.
[2]	吴庶宸, 戚宗锋, 李建勋. 基于深度学习的智能全局灵敏度分析[J]. 上海交通大学学报, 2022, 56(7): 840-849.
[3]	全大英, 陈赟, 唐泽雨, 李世通, 汪晓锋, 金小萍. 基于双通道卷积神经网络的雷达信号识别[J]. 上海交通大学学报, 2022, 56(7): 877-885.
[4]	秦艺超, 黄礼敏, 王骁, 马学文, 段文洋, 郝伟. 基于人工神经网络的自航浮标测波方法可行性[J]. 上海交通大学学报, 2022, 56(4): 498-505.
[5]	赵勇, 苏丹. 基于4种长短时记忆神经网络组合模型的畸形波预报[J]. 上海交通大学学报, 2022, 56(4): 516-522.
[6]	丁明, 孟帅, 王书恒, 夏玺. 六自由度波浪补偿平台的神经网络自适应反馈线性化控制[J]. 上海交通大学学报, 2022, 56(2): 165-172.
[7]	刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190.
[8]	聂瑞, 王红茹. 基于神经网络观测器的无人机编队执行器故障诊断[J]. 空天防御, 2022, 5(2): 32-41.
[9]	王卓鑫, 赵海涛, 谢月涵, 任翰韬, 袁明清, 张博明, 陈吉安. 反向传播神经网络联合遗传算法对复合材料模量的预测[J]. 上海交通大学学报, 2022, 56(10): 1341-1348.
[10]	陶海红, 闫莹菲. 一种基于GA-CNN的网络化雷达节点遴选算法[J]. 空天防御, 2022, 5(1): 1-5.
[11]	戴少怀, 杨革文, 郁文, 吴向上. 基于RBF神经网络的雷达有源压制干扰识别[J]. 空天防御, 2022, 5(1): 102-107.
[12]	郑德重, 杨媛媛, 黄浩哲, 谢哲, 李文涛. 基于距离置信度分数的多模态融合分类网络[J]. 上海交通大学学报, 2022, 56(1): 89-100.
[13]	罗睿乔. 井下节流技术在南海东部高温气田的应用[J]. 海洋工程装备与技术, 2022, 9(1): 58-66.
[14]	王岩, 陈耀然, 韩兆龙, 周岱, 包艳. 基于互信息理论与递归神经网络的短期风速预测模型[J]. 上海交通大学学报, 2021, 55(9): 1080-1086.
[15]	王煜林, 周登极, 郝佳瑞, 黄大文. 一种基于可解释神经网络模型的压缩机功率软测量方法[J]. 上海交通大学学报, 2021, 55(6): 774-780.

基于语义特征抓取电网调度事件的检测技术

Power Grid Dispatching Event Detection Technology Based on Semantic Feature Capture

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 8

相关文章 15

编辑推荐 0

Metrics

本文评价