王慧芳1，曹 靖1，羅 麟2
（1.浙江大學(xué)電氣工程學(xué)院，杭州 310027；2.國網(wǎng)浙江省電力有限公司舟山供電公司，浙江 舟山 316021）
本文引文信息：王慧芳, 曹靖, 羅麟. 電力文本數據挖掘現狀及挑戰[J]. 浙江電力, 2019, 38(3)
<有少部分刪減>
隨著(zhù)智能電網(wǎng)建設的全面展開(kāi)，以及電力信息通信與電網(wǎng)企業(yè)經(jīng)營(yíng)管理的深度融合，電力數據出現爆發(fā)性增長(cháng)[1-2]。這些數據中隱藏著(zhù)豐富的關(guān)系到電網(wǎng)安全穩定經(jīng)濟運行的信息，因而成為電網(wǎng)企業(yè)寶貴的數據資產(chǎn)[3]。電力大數據雖已成為當前熱點(diǎn)研究對象，然而每年只有少量的數據被挖掘利用[4]，因此電力數據挖掘是智能電網(wǎng)發(fā)展迫切需要研究的前沿領(lǐng)域。
電網(wǎng)企業(yè)是資產(chǎn)密集型企業(yè)，電力設備健康狀態(tài)管理是其核心任務(wù)，利用大數據進(jìn)行科學(xué)管理是必然趨勢[5]。然而普遍認為，電網(wǎng)數據存在體量大、類(lèi)型多、價(jià)值密度低和變化快的特點(diǎn)，較難利用。其中，數據價(jià)值密度低，是指絕大部分數據是電網(wǎng)正常數據，只有極少量的異常數據[6]。數據的嚴重偏斜影響基于機器學(xué)習、深度學(xué)習等人工智能方法的挖掘效果。幸運的是，電力數據類(lèi)型眾多，其中文本數據，因“重要的事情常常被記錄”而具有價(jià)值密度高的特點(diǎn)，挖掘前景好，因此電力文本挖掘是電力設備健康管理重點(diǎn)關(guān)注的關(guān)鍵技術(shù)之一。
當前自然語(yǔ)言處理、人工智能等技術(shù)快速發(fā)展，為電力文本挖掘提供了良好的技術(shù)基礎；同時(shí)電網(wǎng)企業(yè)已積累了大量與電力設備健康相關(guān)的文本，如缺陷、消缺等短文本，以及試驗、故障分析報告等長(cháng)文本，具備了文本挖掘的數據條件。此外，電網(wǎng)企業(yè)已建立了諸多與設備健康相關(guān)的標準，如分別針對輸變電設備和配電網(wǎng)設備的缺陷分類(lèi)標準、設備狀態(tài)評價(jià)導則、狀態(tài)檢修試驗規程等，為文本挖掘的應用提供了參照與規則支持。因而，電力文本挖掘的條件已具備，且發(fā)展前景廣闊。
然而，由于現階段知識和技術(shù)層面上的匱乏，文本挖掘技術(shù)在國內電力行業(yè)還屬于新興的前沿領(lǐng)域，大部分研究還處于探究試驗階段，應用效益尚未顯現。與互聯(lián)網(wǎng)、醫學(xué)等行業(yè)取得的成就相比，電力行業(yè)的文本挖掘研究還有待加強。
為此，基于電力文本挖掘領(lǐng)域已做的前期探索，本文歸納了電力文本數據挖掘的關(guān)鍵技術(shù)和典型應用，分析了這一領(lǐng)域面臨的挑戰。首先介紹文本挖掘技術(shù)的發(fā)展歷程，指出文本挖掘技術(shù)的難點(diǎn)；接著(zhù)重點(diǎn)分析電力文本數據挖掘關(guān)鍵技術(shù)及研究現狀；然后介紹文本挖掘技術(shù)在電力缺陷文本中的典型應用；最后，提出電力文本挖掘面臨的挑戰。
文本挖掘的概念最早出現在20世紀80年代中期，它集成了自然語(yǔ)言處理和數據挖掘的部分技術(shù)與理念，至今已有30多年的歷史。早期，文本挖掘的科學(xué)性一度受到質(zhì)疑和詬病，但隨著(zhù)文本挖掘技術(shù)的進(jìn)步和發(fā)展，其應用逐漸得到認可，并成為研究熱點(diǎn)。
狹義上，文本挖掘是指從大量文本數據中提取事先未知的、可理解的、最終可用的知識的過(guò)程，同時(shí)運用這些知識更好地組織信息、解決問(wèn)題；廣義上，文本挖掘既包括文本知識抽取，也包括面向各種應用的文本數據處理過(guò)程。
目前，理論研究方面，文本挖掘的主要研究方向有文本結構分析、文本語(yǔ)義分析、文本摘要、文本關(guān)聯(lián)分析等；應用研究方面，在社科情報和生物醫學(xué)領(lǐng)域的研究成果較多。在社科情報領(lǐng)域，文本挖掘被用于微博熱點(diǎn)話(huà)題監測[7]、情感分析[8]、用戶(hù)評論語(yǔ)義分析[9]、垃圾郵件分類(lèi)[10]等。在生物醫學(xué)領(lǐng)域，有基于文本挖掘提取領(lǐng)域知識[11]、通過(guò)挖掘事件記錄發(fā)現突發(fā)事件與醫學(xué)救援裝備之間的關(guān)聯(lián)[12]等研究。
文本數據屬于自然語(yǔ)言，其挖掘涉及語(yǔ)言學(xué)、數學(xué)、計算機科學(xué)、信息學(xué)、心理科學(xué)、認知科學(xué)以及應用領(lǐng)域等眾多學(xué)科。
從技術(shù)角度看，文本挖掘存在數據和方法兩方面困難。數據方面，文本屬于非結構化數據，無(wú)確定形式并且缺乏機器可理解的語(yǔ)義，需要轉化為結構化數據才能被進(jìn)一步挖掘；同時(shí)，文本屬于自然語(yǔ)言范疇，容易出現模糊性和歧義性，準確理解和使用難度大；此外，文本采用的語(yǔ)言不同，挖掘技術(shù)就難以簡(jiǎn)單地移植。方法方面，雖然現有的文本挖掘方法已能解決一部分問(wèn)題，但依然存在效果欠佳問(wèn)題，例如搜索引擎還無(wú)法根據輸入文本返回精準答案；還有很多文本挖掘問(wèn)題尚無(wú)有效解決方法。
從應用角度看，通用的文本挖掘方法運用于專(zhuān)業(yè)領(lǐng)域時(shí)，常會(huì )出現各種各樣的問(wèn)題，因此專(zhuān)業(yè)領(lǐng)域的文本挖掘需考慮通用挖掘方法的適應性。此外，只有引入應用領(lǐng)域的專(zhuān)業(yè)知識，文本挖掘才更具有針對性與準確性，因此需要結合應用領(lǐng)域的專(zhuān)業(yè)特點(diǎn)去探索解決文本挖掘問(wèn)題的方法。
非結構化的電力文本數據需要先進(jìn)行文本預處理以及文本表示，才能轉化為結構化數據進(jìn)行挖掘。文本預處理通常包括文本分詞、詞性標注與去停用詞等。電力文本預處理還需要構建電力領(lǐng)域本體字典。
電力本體字典的構建是指將電力詞匯分別按照同義、近義、反義、上下位、整體-部分等本體關(guān)系進(jìn)行組織，并存儲在數據庫中以供查詢(xún)、調用[13]。構建電力本體字典前，首先要構建電力文本語(yǔ)料庫，如選擇各類(lèi)電力設備的缺陷、消缺、檢修、試驗等記錄或報告，也可以選擇企業(yè)頒布的與電力設備相關(guān)的導則、標準，還有電力企業(yè)的各種工單、工作票、操作票等；然后結合已有的外部通用字典，采用基于統計的分詞模型，如采用基于隱馬爾科夫模型、條件隨機場(chǎng)模型等，對語(yǔ)料庫進(jìn)行分詞，并基于詞頻對分詞結果進(jìn)行排序；最后依靠具有電力領(lǐng)域專(zhuān)業(yè)知識的人員對專(zhuān)業(yè)術(shù)語(yǔ)、通俗用語(yǔ)、名詞堆砌的詞串和短語(yǔ)詞匯等進(jìn)行修正，并按照同義詞集、整體-部分關(guān)系、實(shí)體-屬性關(guān)系等構建本體字典[14]。需說(shuō)明的是，本體字典的構建不會(huì )是一次完成，而是隨著(zhù)新語(yǔ)料庫的增加，會(huì )有補充或修訂。電力本體字典的構建是必須的基礎工作，其質(zhì)量關(guān)系著(zhù)后續電力文本挖掘的科學(xué)性。
文本分詞技術(shù)可分為3類(lèi)：基于本體字典的分詞技術(shù)、基于統計規律的無(wú)字典分詞技術(shù)以及二者的結合。本體字典的建立可以大大提高分詞的準確性與停用詞的識別效果?；诮y計規律的無(wú)字典分詞技術(shù)雖可以減輕建立字典的負擔，但準確性難以保證，分詞后需進(jìn)行詞性標注。詞性既可以是名詞、動(dòng)詞等，也可以根據挖掘需求自行定義，例如文獻[15]中的大部件、小部件、屬性、程度，以及文獻[16]中的實(shí)體、缺陷現象、定性缺陷程度、定量缺陷程度等。詞性標注的本質(zhì)是分類(lèi)問(wèn)題。將電力文本切分為一個(gè)個(gè)詞匯后，除了有用的電力詞匯，還會(huì )出現人名、地名、符號等停用詞[14]，可根據實(shí)際挖掘需求去除待處理文本中的停用詞。
文本表示方法是指將文本數據表示成計算機可處理的形式，表示方式將直接影響后續數據挖掘的效率和效果。表示方法有很多，如向量空間模型、嵌入式向量模型等向量化表示方法，以及語(yǔ)義框架模型、樹(shù)/圖結構模型、正則表達法等等。
（1）向量空間模型用于快速提取句子的整體含義，而對句子中詞匯順序不是很關(guān)注；而嵌入式向量模型用于需要突出某一個(gè)或幾個(gè)詞匯含義或順序的文本。常見(jiàn)的向量化方法有詞袋方法與Word2Vec方法。詞袋方法基于向量空間模型，簡(jiǎn)單通俗，但向量維度高，而且詞向量忽略了句法；Word2Vec方法基于神經(jīng)網(wǎng)絡(luò )訓練得到，屬于嵌入式向量模型，詞向量維度低，而且由于訓練時(shí)考慮了上下文，不同詞之間具有同義、近義、反義等語(yǔ)義信息，可通過(guò)計算向量相似度衡量。Doc2Vec是Word2Vec的拓展，用類(lèi)似的方法將句子向量化，優(yōu)點(diǎn)在于可以提取句子主旨。
（2）語(yǔ)義框架模型，是指對于特定內容的文本，根據其語(yǔ)法基本模型，定義語(yǔ)義槽和語(yǔ)義框架，然后采用基于本體字典的槽填充方法，實(shí)現文本的特殊表示。
（3）樹(shù)結構模型可以分析句法結構，形成以“核心詞-依存關(guān)系-依存詞”為基本形式的依存關(guān)系樹(shù)。圖結構模型是將一條文本表示為圖結構形式，表示過(guò)程與知識圖譜相似，首先基于本體字典識別文本中的實(shí)體與屬性，然后進(jìn)行共指消解，查找出所有表示實(shí)體/屬性的詞當中的同義詞，接下來(lái)進(jìn)行關(guān)系抽取，識別各實(shí)體/屬性間是否存在關(guān)系及相應關(guān)系類(lèi)型，最后進(jìn)行關(guān)系篩選，如刪除冗余的包含關(guān)系等。圖結構的表示形式能夠一定程度上反映文本中復雜的關(guān)聯(lián)信息，是文本挖掘的有效手段之一。
（4）電力文本還可以采用正則表達式法，用于提取句中的數字、字母、特殊符號等隱含重要信息的字段。不同的文本挖掘需求可以采用一種或多種方法融合表示。
電力文本在經(jīng)過(guò)預處理與表示環(huán)節后，轉化為計算機可以處理的結構化數據，從而可以利用結構化數據挖掘方法進(jìn)行數據挖掘。數據挖掘方法有很多，常見(jiàn)的有各種機器學(xué)習方法。
基于機器學(xué)習方法，可以根據學(xué)習模式將機器學(xué)習分為有監督學(xué)習、無(wú)監督學(xué)習、半監督學(xué)習，是否有監督取決于訓練數據是否有標注，有標注的文本可以應用于分類(lèi)問(wèn)題，無(wú)標注的文本可以應用于聚類(lèi)問(wèn)題。根據學(xué)習方法，又可以將機器學(xué)習分為傳統機器學(xué)習和深度學(xué)習等[17]。傳統機器學(xué)習算法有邏輯回歸、隱馬爾科夫方法、支持向量機方法、K近鄰方法、貝葉斯方法以及決策樹(shù)方法等；深度學(xué)習算法有深度置信網(wǎng)絡(luò )、卷積神經(jīng)網(wǎng)絡(luò )、受限玻爾茲曼機和循環(huán)神經(jīng)網(wǎng)絡(luò )等。其中，由循環(huán)神經(jīng)網(wǎng)絡(luò )變種而來(lái)的長(cháng)短時(shí)記憶網(wǎng)絡(luò )，由于加入了長(cháng)期記憶機制，在處理長(cháng)序列時(shí)具有優(yōu)勢，因而適用于長(cháng)文本的挖掘。
在電力文本挖掘領(lǐng)域，已有一些針對電力缺陷文本的應用。電力缺陷文本來(lái)自于電網(wǎng)企業(yè)日常運維記錄，一般包括計算機可直接處理的格式規范、語(yǔ)義清晰的內容，如缺陷設備編號、名稱(chēng)、缺陷發(fā)現時(shí)間、缺陷等級等；也包括計算機難以理解的文本，主要為缺陷詳細描述，如“2號主變冷卻器風(fēng)扇有異響”“有載分接開(kāi)關(guān)呼吸器硅膠變色2/3以上”。缺陷描述由現場(chǎng)工作人員記錄，可能存在一些不規范或錯誤需要進(jìn)行更正。此外，缺陷描述包含的內容通常較為豐富，一條文本可能包含多條缺陷信息，每一條缺陷信息包含著(zhù)缺陷發(fā)生部件、現象及程度等缺陷特征，因此需要進(jìn)行缺陷分離、特征抽取、關(guān)系挖掘等研究。圖1示例了缺陷文本挖掘的幾種典型應用。
圖1 缺陷文本挖掘典型應用
缺陷文本常常存在各種原因造成的質(zhì)量問(wèn)題，如描述不完整、有歧義等，若將這些存在質(zhì)量問(wèn)題的記錄作為有效文本進(jìn)行挖掘，會(huì )造成挖掘結果偏差。因此需采用適當的方法對缺陷文本進(jìn)行質(zhì)量評價(jià)，對質(zhì)量較差的歷史文本進(jìn)行質(zhì)量提升，對新錄入文本給出改進(jìn)建議，從源頭上保證文本質(zhì)量，對確保后續文本挖掘效果具有重要意義。
邵冠宇等進(jìn)行了卓有成效的研究[18]。通過(guò)對大量實(shí)際缺陷文本的分析，首先總結出電網(wǎng)設備缺陷文本容易出現的不完整、不具體、冗余度過(guò)高等問(wèn)題。然后，定義了缺陷文本質(zhì)量的評價(jià)指標，并提出了基于“層次-自適應灰色關(guān)聯(lián)分析法”的評價(jià)方法。接著(zhù)，基于潛在狄利克雷分布方法，結合國家電網(wǎng)公司的缺陷分類(lèi)標準修正文本。針對新錄入文本，利用文本質(zhì)量評價(jià)方法進(jìn)行質(zhì)量問(wèn)題提示，利用詞向量映射方法給出修正建議，保證新錄入缺陷文本的質(zhì)量。其算例表明，歷史缺陷文本在修正后其文本質(zhì)量得分有較大提升，新錄入文本存在的質(zhì)量問(wèn)題能被準確識別并給出修正建議。
劉梓權等則提出了基于知識圖譜的缺陷文本錯誤識別方法[19]。首先利用現有電力設備缺陷記錄語(yǔ)料庫，通過(guò)實(shí)體抽取、屬性抽取、共指消解、關(guān)系抽取、關(guān)系篩選等步驟，構建出電力設備缺陷知識圖譜；然后基于缺陷知識圖譜，采用圖搜索方法識別不同類(lèi)型的缺陷文本錯誤并給出提示；最后通過(guò)算例分析表明，基于知識圖譜的缺陷文本錯誤識別方法各項評估指標均優(yōu)于其他人工智能學(xué)習方法，并且運行效率能滿(mǎn)足工程應用。
電力設備缺陷的嚴重程度常分為緊急、嚴重、一般3類(lèi)，不同等級缺陷有不同的消缺時(shí)間要求，因此缺陷文本的準確分類(lèi)非常重要。人工對缺陷文本進(jìn)行嚴重等級分類(lèi)，不僅效率低，而且由于主觀(guān)因素和經(jīng)驗差異，準確性難以保障。
文獻[20]基于one-hot詞袋模型，實(shí)現了文本的向量化，然后基于KNN（自主區間搜索K最近鄰）算法，將待歸類(lèi)的缺陷文本與缺陷文本庫中已歸類(lèi)的缺陷文本進(jìn)行對比，找到最相近的文本，然后將待歸類(lèi)文本歸入最接近文本的一類(lèi)。算例驗證了基于KNN算法對文本進(jìn)行分類(lèi)的可行性。
文獻[21]則提出了基于卷積神經(jīng)網(wǎng)絡(luò )的電力設備缺陷文本分類(lèi)模型。首先以大量經(jīng)過(guò)文本預處理的電力設備缺陷文本為語(yǔ)料庫，訓練出每個(gè)詞的詞向量表示，詞向量的各個(gè)維度代表通過(guò)神經(jīng)網(wǎng)絡(luò )語(yǔ)言模型學(xué)習到的詞的語(yǔ)義特征。然后參考電力設備用語(yǔ)規范，對同義詞的詞向量進(jìn)行合并。接下來(lái)構建卷積神經(jīng)網(wǎng)絡(luò )分類(lèi)器，以準確標注缺陷等級的文本為訓練數據，構建以缺陷文本為輸入、以分類(lèi)等級結果為輸出的電力缺陷文本分類(lèi)模型。算例展示了該模型在分類(lèi)效果上的顯著(zhù)優(yōu)勢，為電力文本分類(lèi)提供了有效手段。
目前，缺陷處理工作依賴(lài)于工作人員的知識與經(jīng)驗。如果可以通過(guò)檢索找到相同缺陷情況的歷史記錄，就可以借鑒前人的經(jīng)驗，參考以往的處理方法對該缺陷進(jìn)行相應處理，這在實(shí)際缺陷管理中，尤其是對于知識和經(jīng)驗相對不足的人員有著(zhù)重要的指導意義。
劉梓權等在已構建的電力設備缺陷知識圖譜基礎上，利用圖搜索技術(shù)實(shí)現了電力設備缺陷文本的檢索[16]。算例對比了基于知識圖譜的缺陷記錄檢索方法與傳統機器學(xué)習語(yǔ)義分析方法的檢索效果，表明基于知識圖譜的檢索方法準確性更好。
缺陷文本包含對缺陷細節的描述，如何提取這些細節、進(jìn)而統計分析發(fā)現缺陷規律是一個(gè)重要的問(wèn)題。
曹靖等通過(guò)建立缺陷文本語(yǔ)義框架，實(shí)現了缺陷細節的提取，為電力設備缺陷的精細化統計分析提供了技術(shù)手段[15]。缺陷文本的語(yǔ)義框架由大部件、小部件、屬性、程度4個(gè)語(yǔ)義槽構成，在進(jìn)行缺陷文本的槽填充過(guò)程中記錄詞位信息，然后在構建語(yǔ)義框架時(shí)根據詞位信息計算路徑距離，并區分核心詞是小部件或屬性，選擇不同方向的最小路徑距離進(jìn)行槽匹配，最后經(jīng)詞串合并實(shí)現最終的語(yǔ)義框架。由于缺陷細節即為語(yǔ)義框架中的語(yǔ)義槽，因此可對挖掘出的缺陷細節進(jìn)行統計分析。
電力設備缺陷文本蘊藏著(zhù)設備健康既往史，對客觀(guān)評價(jià)設備健康狀態(tài)發(fā)展過(guò)程大有用處。
邱劍等以斷路器為例提出通過(guò)缺陷文本挖掘把缺陷等級融入基于狀態(tài)監測數據的狀態(tài)評價(jià)模型中，建立了比率型全壽命狀態(tài)評價(jià)模型[14]。其中，缺陷等級分類(lèi)采用基于KNN算法的文本分類(lèi)方法；比率型狀態(tài)信息融合模型可實(shí)現斷路器全壽命健康狀態(tài)的展示，對于電力設備狀態(tài)評價(jià)與全壽命健康管理有重要作用。
既然可以把缺陷嚴重程度分類(lèi)結果融入健康狀態(tài)評價(jià)模型，那么也可更進(jìn)一步從句子結構和語(yǔ)義的角度對缺陷文本進(jìn)行深入挖掘，通過(guò)對比缺陷描述與標準導則，給出缺陷文本當時(shí)場(chǎng)景下的設備健康得分，這樣設備既往史融入健康狀態(tài)評價(jià)的科學(xué)性會(huì )大大提高。但是，實(shí)際缺陷文本與標準導則之間的自動(dòng)準確匹配仍是一個(gè)難題，對比文本相似度的準確度不夠高，采用知識圖譜技術(shù)，或者利用依存句法分析，將缺陷描述轉化為樹(shù)形結構，基于樹(shù)匹配算法與導則進(jìn)行比較，從而得到健康指數分值，是正在研究的解決辦法。
上述電力缺陷文本的挖掘研究提供了以下啟發(fā)：
（1）電力文本種類(lèi)多，文本挖掘技術(shù)手段也多，需根據文本特點(diǎn)及挖掘需求研究適合的挖掘方法。
（2）文本挖掘效果與文本本身質(zhì)量、本體字典質(zhì)量有重大關(guān)系，因此應通過(guò)管理和技術(shù)手段保證電力文本質(zhì)量，并建立完善的電力本體字典。
（3）文本數據是電力大數據中的一種模態(tài)，需結合其他模態(tài)數據的挖掘成果，融合起來(lái)才能發(fā)揮更大的作用。
電力本體字典的構建是電力領(lǐng)域文本挖掘的基礎工作。本體字典蘊含了電力領(lǐng)域最基本的知識，其質(zhì)量與數量不僅決定著(zhù)文本預處理中分詞、詞性標注等的準確性，也影響著(zhù)消除歧義、構建知識圖譜等工作，是電力文本挖掘中最根本的知識庫。
電力本體字典的構建是個(gè)難題。一方面，電力領(lǐng)域相關(guān)術(shù)語(yǔ)的數量非常龐大，僅名詞類(lèi)詞匯就有近萬(wàn)個(gè)。另一方面，電力領(lǐng)域分支眾多，在不同分支領(lǐng)域有不同的專(zhuān)業(yè)詞匯、俗稱(chēng)及表達習慣等，比如GIS在設備層面是指氣體絕緣組合電器，而在電網(wǎng)層面則是指地理信息系統。然而，電力領(lǐng)域畢竟是一個(gè)確定的封閉域，雖然困難，但只要電力領(lǐng)域科研工作者共同努力，不斷豐富完善，高質(zhì)量的電力本體字典建設是可以實(shí)現的。
劉梓權等雖然已經(jīng)對電力知識圖譜的構建進(jìn)行了技術(shù)路線(xiàn)探索與驗證[16]，但僅限于變壓器的缺陷文本。從整個(gè)電力領(lǐng)域看，電力知識圖譜還缺乏頂層設計，因此還具有巨大的發(fā)展潛力。
在已實(shí)踐的電力知識圖譜構建過(guò)程中，基于本體字典進(jìn)行實(shí)體識別，準確率較高；但在關(guān)系抽取中，如何定義電力實(shí)體間的關(guān)系類(lèi)型，做到不冗余、不缺漏，又滿(mǎn)足挖掘需求，是需要不斷實(shí)踐與總結的。此外，還有尚未實(shí)踐的知識圖譜領(lǐng)域更深層次問(wèn)題，比如：如何根據已有實(shí)體屬性與實(shí)體間的關(guān)系，推理得到新的屬性或者關(guān)系，這對于電力知識圖譜的智能化運用非常關(guān)鍵；如何將各種電力知識表示成“實(shí)體-關(guān)系-實(shí)體”三元組，是一個(gè)富有挑戰性的問(wèn)題；是不是可以打破這種知識表示的限制，創(chuàng )造更多的知識表示的方法，更是一個(gè)關(guān)系電力知識圖譜架構本身的值得研究的問(wèn)題。
目前大規模知識圖譜的應用還比較有限，領(lǐng)域內的知識圖譜更是如此。如何有效實(shí)現電力知識圖譜的應用，提高大規模知識圖譜計算效率，不僅需要研究人員探索相關(guān)技術(shù)，還需要發(fā)掘合適的應用場(chǎng)景進(jìn)行示范。例如，在電力設備運維管理的智能查詢(xún)、策略推送方面，知識圖譜技術(shù)可望有所作為。
前文介紹的各種文本挖掘應用雖已能解決一小部分淺層次的問(wèn)題，然而要獲得更深層次的應用，需進(jìn)行多模態(tài)數據融合挖掘研究。數據融合是數據挖掘的研究分支之一。除常見(jiàn)的結構化數據外，還有文本、圖像、視頻、波形等多種模態(tài)的非結構化數據。目前開(kāi)展較多的是結構化數據之間的融合研究，如多傳感器監測數據融合的故障診斷研究，但還缺乏多模態(tài)數據融合研究。以電力設備健康狀態(tài)評估為例，若通過(guò)對歷史缺陷文本的缺陷細節挖掘，獲得電力設備缺陷發(fā)生的深層次規律，指導設備進(jìn)行測試性設計，獲得更有效的各種模態(tài)監測數據，再加上挖掘的設備既往史，則能更全面準確地評估設備的健康狀態(tài)。因此電力文本數據挖掘與其他模態(tài)數據融合挖掘能提升工程應用價(jià)值。
近十多年來(lái)，自然語(yǔ)言處理技術(shù)發(fā)展迅速，促使機器能夠在一定程度上“理解”文本。但是，電力是個(gè)專(zhuān)業(yè)性非常強的行業(yè)，且對文本挖掘模型的準確性和可靠性要求高，需要研究者同時(shí)具備電力領(lǐng)域知識和文本挖掘經(jīng)驗，才能結合適應性改進(jìn)和自主創(chuàng )新，建立起符合電力文本特點(diǎn)和應用要求的文本挖掘技術(shù)體系。
目前，電力文本數據挖掘研究已引起重視，但還面臨著(zhù)挖掘需求不明確、挖掘效果難以達到預期的困擾，已取得的研究成果還遠遠不足以支持智能電網(wǎng)和資產(chǎn)管理的發(fā)展，因此迫切需要有文本挖掘應用成果來(lái)示范和引領(lǐng)，啟發(fā)出更多的電力文本挖掘需求，吸引更多人員參與電力文本挖掘技術(shù)及應用的研究中，促進(jìn)電力文本挖掘理論與工程應用的蓬勃發(fā)展。
參考文獻：（略）
基金項目：國網(wǎng)浙江省電力有限公司群創(chuàng )項目（5211ZS180011）
聯(lián)系客服
