一种依据数据治理的停电预警方法

    公开(公告)号:CN114048904A

    公开(公告)日:2022-02-15

    申请号:CN202111333397.2

    申请日:2021-11-11

    IPC分类号: G06Q10/04 G06Q50/06 G06N20/00

    摘要: 本发明公开了一种依据数据治理实现停电预警的方法,将停电语用信息转化为电子信息,形成停电数据;对数据进行处理,抽取出训练集和测试集;通过反复训练得到多个预警模型,选择泛化能力最强的模型写入营销2.0系统,当系统获取到停电数据后,模型筛选出受影响的线路并发送预警通知,筛选出了停电敏感用户名单发送给相关供电单位,并形成相关分析及图表,作为供电所、营业厅日常工作的常规预警示意图。本发明将停电信息整合为完整的数据模块,并形成了停电预警相关算法。在突发性停电中,能够快速反应,给台区和用电户分别进行停电预警,规避用电户投诉风险。数据累积形成数仓,对未来的停电分析、设备分析、用电户分析等,都具有潜在价值。

    一种基于知识图谱的对话管理方法及对话系统

    公开(公告)号:CN113010692A

    公开(公告)日:2021-06-22

    申请号:CN202110342068.8

    申请日:2021-03-30

    摘要: 一种基于知识图谱的对话管理方法及对话系统,对话管理方法包括以下步骤:步骤1,用户输入内容,进行自然语言理解,输出对话意图和实体词;步骤2,根据实体词,采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态,记为全局状态数组g;步骤3,将全局状态数组g进行层级压缩,采用另一个一维数组表示用户围绕该实体的对话意图,记为局部状态数组l;步骤4,使用局部状态数组l,通过Q‑learning进行训练得到Q表,选择Q值最大的动作作为最优动作,进行自然语言生成,向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务,同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内,易于进行领域迁移。

    一种基于知识图谱的对话管理方法及对话系统

    公开(公告)号:CN113010692B

    公开(公告)日:2023-09-22

    申请号:CN202110342068.8

    申请日:2021-03-30

    摘要: 一种基于知识图谱的对话管理方法及对话系统,对话管理方法包括以下步骤:步骤1,用户输入内容,进行自然语言理解,输出对话意图和实体词;步骤2,根据实体词,采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态,记为全局状态数组g;步骤3,将全局状态数组g进行层级压缩,采用另一个一维数组表示用户围绕该实体的对话意图,记为局部状态数组l;步骤4,使用局部状态数组l,通过Q‑learning进行训练得到Q表,选择Q值最大的动作作为最优动作,进行自然语言生成,向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务,同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内,易于进行领域迁移。

    基于语境响应与结构增强的电力营销实体识别方法及系统

    公开(公告)号:CN114048747A

    公开(公告)日:2022-02-15

    申请号:CN202111333363.3

    申请日:2021-11-11

    摘要: 基于语境响应与结构增强的电力营销实体识别方法及系统,首先采集电力营销的工单以及客户互动数据,然后构建NER语境响应模式,并利用电力营销关键词词表对每条待检测数据进行分词;之后,根据分词结果构建每条待检测文本的语义结构图,再对每条待检测文本进行编码与结构增强;使用解码器对每条待检测文本进行解码,最后根据语境响应模式,计算生成文本的损失优化模型并提取得到实体。本发明提出的NER语境响应模式以及结构增强能够最大限度利用语言模型对上下文的优势,有效地处理电力营销领域文本数据并取得更好的训练效果;所提出的结构增强计算方法能够有效增强每个分词的领域特性,其计算复杂性和增强效果远高于现有技术。

    基于语境响应与结构增强的电力营销实体识别方法及系统

    公开(公告)号:CN114048747B

    公开(公告)日:2024-07-26

    申请号:CN202111333363.3

    申请日:2021-11-11

    摘要: 基于语境响应与结构增强的电力营销实体识别方法及系统,首先采集电力营销的工单以及客户互动数据,然后构建NER语境响应模式,并利用电力营销关键词词表对每条待检测数据进行分词;之后,根据分词结果构建每条待检测文本的语义结构图,再对每条待检测文本进行编码与结构增强;使用解码器对每条待检测文本进行解码,最后根据语境响应模式,计算生成文本的损失优化模型并提取得到实体。本发明提出的NER语境响应模式以及结构增强能够最大限度利用语言模型对上下文的优势,有效地处理电力营销领域文本数据并取得更好的训练效果;所提出的结构增强计算方法能够有效增强每个分词的领域特性,其计算复杂性和增强效果远高于现有技术。

    基于多模态的电力营销热点挖掘方法

    公开(公告)号:CN114116981A

    公开(公告)日:2022-03-01

    申请号:CN202111435180.2

    申请日:2021-11-29

    摘要: 本申请公开了基于多模态的电力营销热点挖掘方法,包括:采集电力营销中包括客户互动数据,将其汇总构成电力营销多模态热点挖掘数据集;对热点挖掘数据集中的文本描述进行预处理;分别进行图像模态特征抽取和文本模态特征抽取,获取图像模态与文本模态的特征向量;将图像模态特征和文本模态特征融合得到多模态融合特征,并基于多模态融合特征从文本描述中抽取候选热点词;对每个候选热点词计算原始热度值和热度增速;结合原始热度值与热度增速,从候选热点词中筛选最终的热点词。本发明打破了传统热点挖掘方法只关注文本数据的局限性,结合图像信息对热点挖掘任务进行增强。