基于知识图谱的电力设备故障诊断方法

摘要

现有的中文实体识别方法大多准确率较低，难以从中文技术文献中提取知识来构建高质量的知识图谱。因此提出了基于知识图谱的电力设备故障诊断方法，通过BERT-BiLSTM-CRF模型，建立电力设备故障的知识图谱。首先通过BERT模型对动态词向量进行预训练，然后引入BiLSTM-CRF模型，综合考虑文本的全局和局部特征，考虑数据标签的隐藏序列规则，提取实体之间的语义关系。最后，提取的知识以三元组的形式存储在Neo4j数据库中，并以图的形式进行可视化。以电力设备故障诊断的中文技术文献为实验对象，实验结果表明，该模型比传统方法更准确地识别和提取中文实体，从而更容易构建全面、准确的电力设备故障中文知识图谱。

关键词

知识图谱 / 故障诊断 / BERT-BiLSTM-CRF / 实体识别