-
公开(公告)号：CN111079430B
公开(公告)日：2023-09-15
申请号：CN201911001756.7
申请日：2019-10-21
Applicant: 国家电网公司华中分部 , 武汉烽火普天信息技术有限公司
IPC: G06F40/205 , G06F40/295 , G06F16/35 , G06F16/36 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06Q50/06
Abstract: 本发明提出了一种组合深度学习和概念图谱的电力故障事件抽取方法，在特征选取阶段，摒弃复杂的特征设计，只选用基础的分布式语义词向量特征、依存句法结构特征和位置特征，在此基础上使用基于中文知识图谱的概念图谱实现电力故障文本的概念扩展。使用长短期记忆循环神经网络，自动进行特征学习，并以模型训练的结果替代原始特征，并作为触发词识别和事件元素识别的基础。在元素识别阶段，将事件元素识别任务转换为触发词‑实体、触发词‑触发词的关系抽取任务，结合动态多池化卷积神经网络进行训练，同时识别出简单事件和复杂事件的事件元素。根据电力领域特征制定规则，对识别结果进行进一步的优化。该发明方法简单，执行效率与准确率高。
-
公开(公告)号：CN110689880A
公开(公告)日：2020-01-14
申请号：CN201911002395.8
申请日：2019-10-21
Applicant: 国家电网公司华中分部 , 武汉烽火普天信息技术有限公司
Abstract: 本发明实施例提供一种应用于电力调度领域的语音识别方法及装置。包括：将待识别语音的功率归一化倒谱系数特征输入至预设神经网络模型中的卷积神经网络，得到新的特征；将新的特征、功率归一化倒谱系数特征和说话人特征进行拼接，得到混合特征；将混合特征输入至预设神经网络模型中的若干组交替设置的时间延迟神经网络和双向长短期记忆循环神经网络，得到词序列集合针对待识别语音特征的后验概率；根据后验概率结合语言模型对待识别语音进行解码，得到识别出的词序列。在电力调度领域提出基于上述三个网络的语音识别声学模型多网络混合训练方法，使得能够通过训练好的模型对待识别语音进行识别，降低调度员的工作强度并缩短其重复性工作的时间。
-
公开(公告)号：CN111079430A
公开(公告)日：2020-04-28
申请号：CN201911001756.7
申请日：2019-10-21
Applicant: 国家电网公司华中分部 , 武汉烽火普天信息技术有限公司
Abstract: 本发明提出了一种组合深度学习和概念图谱的电力故障事件抽取方法，在特征选取阶段，摒弃复杂的特征设计，只选用基础的分布式语义词向量特征、依存句法结构特征和位置特征，在此基础上使用基于中文知识图谱的概念图谱实现电力故障文本的概念扩展。使用长短期记忆循环神经网络，自动进行特征学习，并以模型训练的结果替代原始特征，并作为触发词识别和事件元素识别的基础。在元素识别阶段，将事件元素识别任务转换为触发词-实体、触发词-触发词的关系抽取任务，结合动态多池化卷积神经网络进行训练，同时识别出简单事件和复杂事件的事件元素。根据电力领域特征制定规则，对识别结果进行进一步的优化。该发明方法简单，执行效率与准确率高。
-
-
Search Results
3
records
(took 0.066 seconds)
