一种基于异构数据源的电力知识图谱构建方法与流程

本发明涉及数据处理，具体涉及一种基于异构数据源的电力知识图谱构建方法。

背景技术：

1、为了更好的应对重大活动供电保障的需求，大型重要保电工作通常会进行协同化供电保障平台建设，充分借助现代信息手段，建立一套覆盖各专业和单位的智能指挥系统，实现全程统一指挥、在线监控、数据共享、快速响应和协同处置。重大活动供电保障平台需要融合集成各种保电全要素数据，并对这些要素信息进行分析提炼，为保电工作提供保电智能客服、信息智能汇聚、决策智能支撑。而知识图谱的构建就是其中的一个重要环节。

2、如中国专利cn113434634a，公开日2021年09月24日，该方法包括：确定目标知识图谱的本体，本体由实体和实体间的关系组成；依据本体，从目标数据中抽取目标实体以及实体与实体之间的目标关系，目标实体至少用于表示电网中各个站点的名称，以及各个站点的运行状态和维护信息；基于目标实体和目标关系，得到目标知识图谱，其中，目标知识图谱中的实体至少用于表示电网中各个站点的名称，以及各个站点的运行状态和维护信息，目标知识图谱中的实体之间的关系至少用于表示各个站点之间的关联关系。该方法构建的知识图谱效率地下，并且精度不高。

技术实现思路

1、本发明要解决的技术问题是：现有电力知识图谱构建效率和准确度不高的技术问题。提出了一种基于异构数据源的电力知识图谱构建方法，可以有效提高知识图谱的构建效率和准确度。

2、为解决上述技术问题，本发明所采取的技术方案为：一种基于异构数据源的电力知识图谱构建方法，包括以下步骤：

3、s1：采集多源异构数据；

4、s2：对采集到的异构数据进行种类划分，将非结构化数据文本转化为结构化数据文本；

5、s3：采用crf算法对结构化数据文本进行中文分词；

6、s4：利用典型相关分析和深度神经网络对获得的分词数据进行逐层语义匹配，利用匹配后的数据构建电力知识图谱。

7、一种基于异构数据源的电力知识图谱构建方法，采集多元异构数据，采集得到的数据为数据文本形式，将其中的非结构化数据文本转化为结构化数据文本，然后通过crf算法进行中文分词，最后通过语义匹配进行数据融合，将融合后的数据填充到知识图谱框架中得到完整的电力知识图谱。

8、作为优选，采集到的异构数据根据来源划分分为电网数据、用户数据和社会数据，根据类型划分分为结构化数据和非结构化数据，根据相关领域的专业术语，对采集到的异构数据进行语义计算，从而对采集到的异构数据进行种类划分。异构数据根据来源不同分为电网数据、用户数据和社会数据，根据类类型分为结构化数据和非结构化数据两种。

9、作为优选，转化成的结构化数据文本为三级形式：表明数据类型的表头；表明数据地址的索引；表明数据内容的存储。统一数据形式，方便最后的融合。

10、作为优选，利用crf算法，结合预先标记好的样本数据，将结构化数据文本中出现概率最大的词作为分词输出。文本信息通常是连续的文本序列，并掺杂着大量、无实际意义的语气词，因此需要进行中文分词。

11、作为优选，使用深度置信网络作为深度神经网络的基本模型，深度置信网络由多个受限玻尔兹曼机组成，采用逐层正向、反向进行网络参数的训练，将典型相关分析融入深度置信网络中参与源域数据和目标域数据的相关性分析。将典型相关分析(cca)和深度神经网络相结合，通过分词后的多源异构模态数据的逐层语义匹配，构建满足域私有网络和域共有网络的深度语义匹配模型。

12、作为优选，语义计算包括以下内容：先确定不同种类中的相关核心词以及核心词关联词集，分布计算异构数据与不同种类中核心词和核心词关联词集的相似度总和，对相似度总和大于0的异构数据进行分类，将异构数据分入相似度总和最大的种类中。通过语义计算快速区分异构数据的种类，提高知识图谱的构建效率。

13、作为优选，逐层语义匹配包括以下内容：利用栈式自动编码机对源域和目标域进行编码，通过编码结果将跨域共生数据提取出来，得到隐层特征；对编码后的源域和目标域机型典型相关分析，根据共生数据特征得到两个数据域之间的最大相关系数矩阵。通过上述方法得到不同数据的隐藏特征，从而进行融合。

14、作为优选，在深度置信网络模型反向传播过程中，使用最大相关系数矩阵对域网络参数进行微调。增强源域和目标域之间的关联性，提高最终的准确性。

15、作为优选，将匹配后的数据根据数据之间的关联填入电力知识图谱框架中，完成电力知识图谱构建，电力知识图谱框架根据种类进行多层级划分，各层级之间的节点通过关系进行连接。最终的电力知识图谱为网状分层结构，每个网状节点之间互相关联。

16、作为优选，电力知识图谱具有查询功能和更新功能，查询信息的指令包括查询节点名称和查询内容；电力知识图谱收到更新功能时确定更新节点，根据接受到的信息文本进行相关节点的信息更新。当某一节点数据发生变化时，电力知识图谱中的相关节点信息也需要进行更新。

17、本发明的实质性效果是：本发明设计了一种基于异构数据源的电力知识图谱构建方法，通过语义计算的方法，提高异构数据的分类效率，提高知识图谱构建的效率；通过典型相关分析和深度神经网络进行异构数据融合，提高最终的知识图谱的准确性和构建效率。

1.一种基于异构数据源的电力知识图谱构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，采集到的异构数据根据来源划分分为电网数据、用户数据和社会数据，根据类型划分分为结构化数据和非结构化数据，根据相关领域的专业术语，对采集到的异构数据进行语义计算，从而对采集到的异构数据进行种类划分。

3.根据权利要求2所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，转化成的结构化数据文本为三级形式：表明数据类型的表头；表明数据地址的索引；表明数据内容的存储。

4.根据权利要求3所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，利用crf算法，结合预先标记好的样本数据，将结构化数据文本中出现概率最大的词作为分词输出。

5.根据权利要求4所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，使用深度置信网络作为深度神经网络的基本模型，深度置信网络由多个受限玻尔兹曼机组成，采用逐层正向、反向进行网络参数的训练，将典型相关分析融入深度置信网络中参与源域数据和目标域数据的相关性分析。

6.根据权利要求2所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，语义计算包括以下内容：先确定不同种类中的相关核心词以及核心词关联词集，分布计算异构数据与不同种类中核心词和核心词关联词集的相似度总和，对相似度总和大于0的异构数据进行分类，将异构数据分入相似度总和最大的种类中。

7.根据权利要求5所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，逐层语义匹配包括以下内容：利用栈式自动编码机对源域和目标域进行编码，通过编码结果将跨域共生数据提取出来，得到隐层特征；对编码后的源域和目标域机型典型相关分析，根据共生数据特征得到两个数据域之间的最大相关系数矩阵。

8.根据权利要求6所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，在深度置信网络模型反向传播过程中，使用最大相关系数矩阵对域网络参数进行微调。

9.根据权利要求1或2或3或4或5所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，将匹配后的数据根据数据之间的关联填入电力知识图谱框架中，完成电力知识图谱构建，电力知识图谱框架根据种类进行多层级划分，各层级之间的节点通过关系进行连接。

10.根据权利要求1或2或3或4或5所述的一种基于异构数据源的电力知识图谱构建方法，其特征在于，电力知识图谱具有查询功能和更新功能，查询信息的指令包括查询节点名称和查询内容；电力知识图谱收到更新功能时确定更新节点，根据接受到的信息文本进行相关节点的信息更新。