基于自然語言處理的故障應(yīng)急事故報告自動生成研究

錢 鋼，金 鑫，張鋒明，朱 峰，陳 楠，陳武軍，陳明強(qiáng)，汪 力

（1.國網(wǎng)浙江省電力有限公司紹興供電公司，浙江 紹興 312000；2.寧波天靈信息科技有限公司，浙江 寧波 315000）

0 引言

為掌握故障應(yīng)急事故發(fā)生情況，采取有效的防控方案，需對故障應(yīng)急事故實(shí)施常規(guī)分析[1]，各級故障應(yīng)急事故管理單位需依據(jù)相關(guān)標(biāo)準(zhǔn)，結(jié)合當(dāng)前監(jiān)測數(shù)據(jù)對故障應(yīng)急事故實(shí)施分析并編寫報告[2]。由于故障應(yīng)急事故報告中包含大量數(shù)據(jù)，且需對這些數(shù)據(jù)進(jìn)行多次統(tǒng)計分析，導(dǎo)致報告中容易出現(xiàn)大量重復(fù)內(nèi)容和錯誤數(shù)據(jù)[3]。同時由于檢測報告來源不同，其內(nèi)容與格式也有所差異，相關(guān)學(xué)者對此進(jìn)行了研究，周啟等人[4]以大壩安全監(jiān)測資料分析報告自動生成系統(tǒng)為研究對象，以系統(tǒng)方案、實(shí)現(xiàn)技術(shù)、功能要求等為研究內(nèi)容，實(shí)現(xiàn)監(jiān)測資料整編分析報告生成的自動化、規(guī)范化和專業(yè)化，該系統(tǒng)科學(xué)高效，滿足水庫大壩安全管理需要；楊夢、周恩波[5]構(gòu)建了一個基于專家系統(tǒng)的煤礦事故現(xiàn)場處置報告自動生成系統(tǒng)，系統(tǒng)整合了應(yīng)急預(yù)案、安全規(guī)章制度、領(lǐng)域?qū)＜液褪鹿拾咐木仍幹梅椒ㄒ约敖?jīng)驗(yàn)知識，在發(fā)生事故時可以根據(jù)事故現(xiàn)場實(shí)時信息，匹配規(guī)則進(jìn)行推理，得到所需處置措施，指揮人員還可以輸入查詢信息，搜索符合查詢條件且與當(dāng)前事故特征最相似的歷史事故案例，獲取真實(shí)歷史救援經(jīng)驗(yàn)知識支持。但上述方法受時間與需求影響，應(yīng)急報告內(nèi)容與格式會有所變化，因此需要提出一種更加有效的故障應(yīng)急事故報告自動生成方法。

作為計算機(jī)科學(xué)領(lǐng)域和人工智能領(lǐng)域的主要研究內(nèi)容之一，自然語言處理技術(shù)包含語言學(xué)、計算機(jī)科學(xué)等數(shù)門科學(xué)內(nèi)容，通過研究日常使用的自然語言，利用計算機(jī)正確處理人類自然語言，實(shí)現(xiàn)人與計算機(jī)間自然語言有效溝通[6]。因此，本文基于自然語言處理技術(shù)對故障應(yīng)急事故報告自動生成方法進(jìn)行了研究。

1 故障應(yīng)急事故報告自動生成方法

1.1 故障應(yīng)急事故報告自動生成方法結(jié)構(gòu)設(shè)計

基于自然語言處理的故障應(yīng)急事故報告自動生成方法主要由數(shù)據(jù)來源、數(shù)據(jù)標(biāo)準(zhǔn)處理、資料分析、報告生成等環(huán)節(jié)組成，具體結(jié)構(gòu)如圖1 所示。

圖1 故障應(yīng)急事故報告自動生成結(jié)構(gòu)

基于自然語言處理的故障應(yīng)急事故報告自動生成方法中，數(shù)據(jù)來源由數(shù)據(jù)庫與模板庫共同組成[7]，將所采集的監(jiān)測數(shù)據(jù)納入到數(shù)據(jù)庫內(nèi)，同時依照相關(guān)標(biāo)準(zhǔn)定制可配置的模板庫，數(shù)據(jù)來源是故障應(yīng)急事故報告自動生成的基礎(chǔ)[8]。

數(shù)據(jù)標(biāo)準(zhǔn)處理是以數(shù)據(jù)來源為基礎(chǔ)，對相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)查詢、管理與檢驗(yàn)等操作，其中數(shù)據(jù)管理采用OLE（對象鏈接和嵌入）服務(wù)功能，利用該功能可將采集于不同應(yīng)用程序的數(shù)據(jù)信息創(chuàng)建為復(fù)合文檔[9]，適用于大部分類型數(shù)據(jù)。Visual C++完全支持OLE 自動化，通過Visual C++能夠有效編譯自動化控制器，控制Word 等文字處理應(yīng)用程序，協(xié)同完成報告自動生成任務(wù)。采用這種方法，可在無須人工操作的條件下，令兩個應(yīng)用程序自動相互作用。

資料分析環(huán)節(jié)依照數(shù)據(jù)標(biāo)準(zhǔn)處理、模板格式與內(nèi)容要求，基于相關(guān)數(shù)據(jù)進(jìn)行圖表繪制、模型構(gòu)建與在線分析，考慮故障應(yīng)急事故專業(yè)需求，可在部分有需要的條件下提供在線分析，完成專業(yè)數(shù)據(jù)分析。數(shù)據(jù)在線分析過程中采用自然語言處理技術(shù)，利用基于詞典與規(guī)則的語法分析算法，可令生成的故障應(yīng)急事故報告具有更強(qiáng)的適應(yīng)性[10]。

報告生成環(huán)節(jié)依照資料分析結(jié)果與模板需求，自動進(jìn)行監(jiān)測數(shù)據(jù)分析報告配置與生成，用戶可依照實(shí)際需求與自身習(xí)慣在Web 端設(shè)計模板報告樣式，在服務(wù)器終端自動生成報告并展示。

1.2 數(shù)據(jù)檢驗(yàn)

由于數(shù)據(jù)庫內(nèi)的數(shù)據(jù)來源于不同應(yīng)用程序，為保障生成報告內(nèi)數(shù)據(jù)的準(zhǔn)確性與統(tǒng)一性，需要數(shù)據(jù)進(jìn)行檢驗(yàn)處理，利用得分匹配法對數(shù)據(jù)進(jìn)行缺失值借補(bǔ)處理[11]。

由于數(shù)據(jù)管理過程中不同變量間具有一定相關(guān)性，因此考慮故障應(yīng)急事故統(tǒng)計數(shù)據(jù)的縱向數(shù)據(jù)集的變量特點(diǎn)，選取得分匹配法實(shí)施借補(bǔ)，即在包含完整數(shù)據(jù)的時間點(diǎn)記錄內(nèi)，確定與缺失數(shù)據(jù)時點(diǎn)記錄內(nèi)未缺失變量取值得分匹配度最高的時點(diǎn)記錄，基于該完整時點(diǎn)記錄內(nèi)的對應(yīng)變量值，結(jié)合實(shí)際變量完成數(shù)據(jù)借補(bǔ)，詳細(xì)過程如下。

以Xit表示變量，其中，i=1，2，…，I 表示變量數(shù)量，t=1，2，…，T 表示變量取值的時點(diǎn)數(shù)量。在X11缺失的條件下，可在包含完成數(shù)據(jù)的記錄內(nèi)確定一個t 值，由此令匹配值k 為：

其中，?i表示依照第i 個變量觀測數(shù)據(jù)確定的標(biāo)準(zhǔn)差。不同時點(diǎn)下變量的取值差異除以?i的主要目的是消除不同變量的量綱差別。

基于式（1）得到借補(bǔ)值為：

檢驗(yàn)完成后，利用OLE 服務(wù)功能，將采集于不同應(yīng)用程序的數(shù)據(jù)信息創(chuàng)建為復(fù)合文檔。

1.3 自然語言處理技術(shù)

利用計算機(jī)準(zhǔn)確處理人類自然語言，分析并明確自然語言的含義是自然語言處理技術(shù)的主要目標(biāo)[12]。基于上述創(chuàng)建的復(fù)合文檔，利用自然語言處理技術(shù)能夠提升故障應(yīng)急事故報告的適應(yīng)性。自然語言處理流程圖如圖2 所示。

圖2 自然語言處理流程

對復(fù)合文檔內(nèi)的句子進(jìn)行自然語言處理的過程包括數(shù)據(jù)結(jié)構(gòu)定義、詞性標(biāo)注、句法分析、語義識別與數(shù)據(jù)提取等。

1.3.1 數(shù)據(jù)結(jié)構(gòu)定義與詞性標(biāo)注

數(shù)據(jù)結(jié)構(gòu)定義是將復(fù)合文檔內(nèi)的數(shù)據(jù)信息劃分為單詞與句子兩個數(shù)據(jù)結(jié)構(gòu)。

單詞結(jié)構(gòu)所體現(xiàn)的是單詞內(nèi)的文字、詞性與句子成分等屬性，并對單詞的基本操作實(shí)施定義。單詞詞性可通過單個字母代表，如表1 所示。詞性標(biāo)注可依照故障應(yīng)急事故報告的詳細(xì)要求進(jìn)行對應(yīng)的修正與擴(kuò)展[13]。

句子結(jié)構(gòu)內(nèi)存在一個哈希表，其主要功能是存儲句子內(nèi)的全部單詞，并對句子的基本操作（如句子長度、附加單詞等）進(jìn)行定義。

表1 詞性分析

1.3.2 句法分析

可將一個給定的輸入句子確定句法分析樹的過程理解為是句法分析過程[14]。例如復(fù)合文檔的輸入語句為：“The machine is running”。其句法分析樹如圖3 所示。

圖3 句法分析樹

輸入語句由名詞短語和動詞短語共同組成，兩者分別由冠詞、名詞和動詞、形容詞組成。

句法分析算法使用改進(jìn)的圖句法分析算法，有n 個詞語的語句的圖由n+1 個頂點(diǎn)與數(shù)條連接頂點(diǎn)的邊組成，若一條邊與相鄰邊匹配，則可將其擴(kuò)展后置入圖內(nèi)，初始邊則定義為新邊的孩子邊。這樣，句法分析結(jié)束后，僅需確定由第一個節(jié)點(diǎn)至最后一個節(jié)點(diǎn)的邊，即可獲取一棵語法分析樹，利用這棵樹能夠?qū)崿F(xiàn)全部邊的遍歷。

1.3.3 語義識別與數(shù)據(jù)提取

由于報告中所用信息來源于不同應(yīng)用程序，因此普遍存在信息重復(fù)的問題，考慮故障應(yīng)急事故報告內(nèi)容清晰性與簡潔性要求，需要通過一致度比較算法確定一致度較高內(nèi)容，并清除多余內(nèi)容。一致度描述的是兩者間的共性與區(qū)別[15]，兩者間的共性與一致度之間呈正比例相關(guān)；兩者間的區(qū)別與一致度之間呈反比例相關(guān)。

一致度計算過程中采用基于向量空間模型的文本一致度算法，向量空間模型內(nèi)，可將故障應(yīng)急事故報告定義為由相互獨(dú)立詞條組（C1，C2，…，Cn）組成，統(tǒng)計單個詞條Ci的數(shù)量，確定Ci的詞頻，確定整個故障應(yīng)急事故報告內(nèi)Ci詞條所占的權(quán)重，以Qi表示。由此可將故障應(yīng)急事故報告文本間的一致度轉(zhuǎn)換成向量間夾角的余弦值，通過夾角描述一致度，兩者間呈反比例相關(guān)，即夾角越大，對應(yīng)的一致度值（余弦值）越小，文本間一致度越低。以P1和P2分別表示兩份來源不同應(yīng)用程序的信息文檔，則可通過式（3）描述P1和P2間的一致度：

利用式（3）可確定兩份來源于不同應(yīng)用程序的信息文檔的一致度，設(shè)定一致度閾值。當(dāng)兩份文檔一致度計算結(jié)果低于設(shè)定閾值時，還需進(jìn)行自然段落的一致度計算，具體計算流程如下：

流程1：對P1和P2進(jìn)行自然分段處理，針對自然分段后獲取的各段文檔實(shí)施分詞、去除停用詞等預(yù)處理，同時確定各段文檔內(nèi)詞的權(quán)重。

流程2：設(shè)定一個閾值，利用式（3）計算P1文檔內(nèi)的自然段落P1i同P2內(nèi)全部自然段落的一致度S，對比S 與閾值，若前者大于后者，需記錄P2文檔內(nèi)的段落與對應(yīng)的S 值，若前者小于后者，需進(jìn)行流程。

流程3：重復(fù)流程2，至P1文檔內(nèi)全部段落同P2文檔內(nèi)全部段落對比完成。

流程4：確定所記錄的段落數(shù)量，進(jìn)行標(biāo)記，獲取一致度較高的自然段落。

一致度計算具體流程如圖4 所示。

2 實(shí)驗(yàn)分析

為驗(yàn)證基于自然語言處理的故障應(yīng)急事故報告自動生成方法的應(yīng)用性能，以某發(fā)電廠為應(yīng)用對象，在其中某項(xiàng)設(shè)備發(fā)生故障的條件下，采用所提方法自動生成故障應(yīng)急事故報告測試，結(jié)果如下。

2.1 數(shù)據(jù)采集精度

對比所提方法中數(shù)據(jù)庫內(nèi)采集故障設(shè)備數(shù)據(jù)與故障設(shè)備原始數(shù)據(jù)，所得結(jié)果如圖5 所示。

圖4 一致度計算流程

圖5 數(shù)據(jù)對比結(jié)果

圖5 內(nèi)所提方法采集數(shù)據(jù)大體上與故障設(shè)備原始數(shù)據(jù)走勢相同，部分區(qū)域存在一定差距的原因主要是應(yīng)用對象中的設(shè)備發(fā)生故障，導(dǎo)致監(jiān)測數(shù)據(jù)（即采集數(shù)據(jù)）存在一定缺失現(xiàn)象。

2.2 數(shù)據(jù)借補(bǔ)測試

以基于水晶報表的報告自動生成方法和基于專家系統(tǒng)的報告自動生成方法為對比方法，采用所提方法和對比方法對上一實(shí)驗(yàn)中缺失的數(shù)據(jù)進(jìn)行借補(bǔ)處理，記錄任意時間點(diǎn)下不同方法借補(bǔ)處理后所得數(shù)據(jù)與實(shí)際數(shù)據(jù)間的絕對偏差，結(jié)果如表2 所示。

分析表2 得到：隨著數(shù)據(jù)缺失比例的提升，不同方法對采集數(shù)據(jù)實(shí)施借補(bǔ)處理后，數(shù)據(jù)的絕對偏差也呈不同程度的上升趨勢。采用所提方法對采集數(shù)據(jù)進(jìn)行借補(bǔ)處理后，不同時間點(diǎn)下數(shù)據(jù)的絕對偏差始終低于另外兩種對比方法，且不同時間點(diǎn)下與兩種對比方法相比差異達(dá)到50%以上，由此說明所提方法具有較高的數(shù)據(jù)借補(bǔ)精度。

表2 數(shù)據(jù)借補(bǔ)測試結(jié)果

2.3 詞性標(biāo)注測試

統(tǒng)計所提方法對故障應(yīng)急事故報告內(nèi)信息的不同詞性實(shí)施標(biāo)注后的查準(zhǔn)率、查全率與準(zhǔn)確度，結(jié)果如表3 所示。

表3 詞性標(biāo)注測試結(jié)果

分析表3 得到，所提方法對報告信息的不同詞性進(jìn)行標(biāo)注后，不同詞性標(biāo)注的查準(zhǔn)率、查全率與準(zhǔn)確度均值分別為95.67%，94.10%和94.47%，由此說明所提方法在詞性標(biāo)注方面具有較高的精度，能夠令所提方法具有更好的性能。

2.4 語義識別精度測試

圖6 為所提方法在實(shí)際報告生成過程中的語義識別精度測試結(jié)果。

圖6 語義識別精度測試結(jié)果

分析圖6 可得到，所提方法對不同自然段落進(jìn)行語義識別所得的一致度結(jié)果與實(shí)際一致度值大致相同，計算結(jié)果誤差控制在1.5%以內(nèi)。由此說明所提方法具有較高的語義識別精度。

結(jié)合2.2 節(jié)、2.3 節(jié)和2.4 節(jié)實(shí)驗(yàn)結(jié)果可知，所提方法對于自然語言處理具有較高的精度，可實(shí)現(xiàn)故障應(yīng)急事故報告自動生成，規(guī)范報告編制內(nèi)容。

2.5 實(shí)時能耗測試

圖7 為所提方法實(shí)際報告生成過程中的實(shí)時能耗。

圖7 實(shí)時能耗曲線

分析圖7 得到，所提方法在實(shí)際報告生成過程中的實(shí)時能耗基本控制在0.01×10-4～0.06×10-4J/s，平均能耗約為0.032×10-4J/s。實(shí)驗(yàn)數(shù)據(jù)表明所提方法在實(shí)際報告生成過程中具有較低的實(shí)時能耗。

2.6 報告規(guī)范性驗(yàn)證

在上述驗(yàn)證基礎(chǔ)上，對生成的報告規(guī)范性進(jìn)行了測評，測評結(jié)果如表4 所示。

表4 故障應(yīng)急事故報告規(guī)范性評價

如表4 所示，所生成的報告規(guī)范性滿意度較高，平均完全滿意度在98%以上，可以應(yīng)用在實(shí)際中。

3 結(jié)語

研究基于自然語言處理的故障應(yīng)急事故報告自動生成方法，根據(jù)所采集故障設(shè)備數(shù)據(jù)，采用自然語言處理技術(shù)中的數(shù)據(jù)結(jié)構(gòu)定義、詞性標(biāo)注、句法分析、語義識別與數(shù)據(jù)提取等過程自動生成故障應(yīng)急事故報告，實(shí)驗(yàn)結(jié)果顯示所提方法中自然語言處理技術(shù)具有較高的精度。