(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210443543.5 (22)申请日 2022.04.26 (71)申请人 华北电力大 学 地址 102206 北京市昌平区北农路2号 (72)发明人 薛安成　陶畅　景子洋　欧阳明浩 　 洪海雁　王书鸿　邓雄耀　 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 40/289(2020.01) G06F 40/242(2020.01) G06F 40/216(2020.01) G06F 40/30(2020.01) G06Q 50/06(2012.01) (54)发明名称 一种基于Bagging模型的继电保护缺陷文本 定级方法 (57)摘要 本发明提供一种基于Bagging模型的继电保 护缺陷文本定级方法。 首先通过AI技术和人工结 合的方式构建继电保护专业词典， 主要包括停用 词表， 同义词表和专业词表的构建。 进一步的， 利 用继电保护专业词典完成对继电保护缺陷文本 的预处理工作， 对缺陷文本进行数据清洗和分词 操作。 其次， 基于TF ‑IDF赋值法将每条缺陷数据 做文本向量化表达， 引入集成学习Bagging模型， 并利用模型对向量化数据训练处理。 最后构建出 适合实际要求的保护装置缺陷定级分类器。 该方 法直接从保护缺陷记录文本出发， 文本预处理后 通过TF‑IDF向量化获取缺陷文本中的特征， 采取 Bagging模型训练出缺陷定级分类器， 基于该方 法构建的缺陷文本定级分类器可以为现场运维 人员提供辅助决策和缺陷数据分析处 理做参考。 权利要求书2页 说明书5页 附图2页 CN 114881130 A 2022.08.09 CN 114881130 A 1.一种基于Ba gging模型的继电保护缺陷文本 定级方法， 所述方法包括： 步骤1、 构建继电保护专业词典； 步骤2、 完成对继电保护缺陷文本的预处 理工作； 步骤3、 缺陷数据的文本向量 化表达与特 征提取； 步骤4、 引入集成学习Ba gging模型， 构建保护装置缺陷定级分类 器。 2.根据权利 要求1所述一种基于Bagging模型的继电保护缺陷文本定级方法， 其特征在 于， 在所述步骤1中， 构建继电保护专业词典包括停用词表， 专业词典和同义词表构建三部 分： 首先应用基于正则表达式的停用词识别方法， 实现了缺陷文本中无关字词的剔除； 采 用jieba(结巴)分词 与人工相结合的方法， 构建了继电保护缺陷文本 分词词典； 采用潜在语 义分析和决策树分类方法， 实现了缺陷文本中的同义词合并； 整合了停用 词表、 分词词典、 同义词表各部分， 最终构建了适用于保护装置缺陷文本分析的专业词典。 如表3所示。 表3继电保护缺陷专业词典 。 3.根据权利 要求1所述一种基于Bagging模型的继电保护缺陷文本定级方法， 其特征在 于， 在所述步骤2中， 继电保护缺陷文本的预处理工作包括噪音数据去除、 分词处理和数据 分类， 具体地： 首先， 对缺陷文本数据进行清洗， 删除重复缺陷记录、 空白缺陷记录等无意义数据； 然 后， 按照缺陷等级将缺陷文本 分为危急、 严重、 一般三部 分， 利用jieba分词结合专 业词典的 方法分别进行分词处 理； 重复缺陷记录剔除、 空白缺陷记录删除及按照缺陷等级的缺陷文本划分通过excel软 件筛选完成； 之后将三组文本转换为txt格式文档存 储以备调用。 4.根据权利 要求1所述一种基于Bagging模型的继电保护缺陷文本定级方法， 其特征在 于， 在所述 步骤3中， 缺陷数据的文本向量 化表达与特 征提取， 具体如下： 1)定义继电保护领域词典中的词汇作为特征项， 简称为词项， 所有词项的集合称为词 表空间， 将给定的缺陷文本数据转化为词项的序列， 然后基于TF ‑IDF对词项的权重进行赋 值； 上述过程被称为词袋模型； 2)根据TF ‑IDF赋值法得到的继电保护领域词典共包含了4365个词汇， 由此得到4365维 的词表空间。 根据TF ‑IDF法我们可以将缺陷文本转化得到4265维的词向量； 用文本向量代 表该条缺陷数据提供 给分类器模型做后续处 理计算。 5.根据权利 要求1所述一种基于Bagging模型的继电保护缺陷文本定级方法， 其特征在 于， 在所述步骤4中， 利用向量化文本结合Bagging模型做训练， 构建缺陷定级分类器， 具体 如下：权　利　要　求　书 1/2 页 2 CN 114881130 A 21)从训练集中抽取2820条数据(测试集数据条数 ×学习率)， 从数据中通过自主采样法 训练基分类模型； 2)重复步骤1)6 00次形成6 00个决策树基分类 器； 3)利用决策树基分类 器对每条测试 数据分类投票， 划分缺陷等级； 4)采用十折交叉法， 评估Ba ggingClassifier准确率。权　利　要　求　书 2/2 页 3 CN 114881130 A 3