基于自然語(yǔ)言處理的故障應(yīng)急事故報(bào)告自動(dòng)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(guó)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(duì)故障應(yīng)急事故實(shí)施常規(guī)分析[1]，各級(jí)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(cè)數(shù)據(jù)對(duì)故障應(yīng)急事故實(shí)施分析并編寫報(bào)告[2]。由于故障應(yīng)急事故報(bào)告中包含大量數(shù)據(jù)，且需對(duì)這些數(shù)據(jù)進(jìn)行多次統(tǒng)計(jì)分析，導(dǎo)致報(bào)告中容易出現(xiàn)大量重復(fù)內(nèi)容和錯(cuò)誤數(shù)據(jù)[3]。同時(shí)由于檢測(cè)報(bào)告來源不同，其內(nèi)容與格式也有所差異，相關(guān)學(xué)者對(duì)此進(jìn)行了研究，周啟等人[4]以大壩安全監(jiān)測(cè)資料分析報(bào)告自動(dòng)生成系統(tǒng)為研究對(duì)象，以系統(tǒng)方案、實(shí)現(xiàn)技術(shù)、功能要求等為研究?jī)?nèi)容，實(shí)現(xiàn)監(jiān)測(cè)資料整編分析報(bào)告生成的自動(dòng)化、規(guī)范化和專業(yè)化，該系統(tǒng)科學(xué)高效，滿足水庫(kù)大壩安全管理需要；楊夢(mèng)、周恩波[5]構(gòu)建了一個(gè)基于專家系統(tǒng)的煤礦事故現(xiàn)場(chǎng)處置報(bào)告自動(dòng)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(shí)，在發(fā)生事故時(shí)可以根據(jù)事故現(xiàn)場(chǎng)實(shí)時(shí)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(shí)支持。但上述方法受時(shí)間與需求影響，應(yīng)急報(bào)告內(nèi)容與格式會(huì)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(bào)告自動(dòng)生成方法。

作為計(jì)算機(jī)科學(xué)領(lǐng)域和人工智能領(lǐng)域的主要研究?jī)?nèi)容之一，自然語(yǔ)言處理技術(shù)包含語(yǔ)言學(xué)、計(jì)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(yǔ)言，利用計(jì)算機(jī)正確處理人類自然語(yǔ)言，實(shí)現(xiàn)人與計(jì)算機(jī)間自然語(yǔ)言有效溝通[6]。因此，本文基于自然語(yǔ)言處理技術(shù)對(duì)故障應(yīng)急事故報(bào)告自動(dòng)生成方法進(jìn)行了研究。

1 故障應(yīng)急事故報(bào)告自動(dòng)生成方法

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

基于自然語(yǔ)言處理的故障應(yīng)急事故報(bào)告自動(dòng)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(bào)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(bào)告自動(dòng)生成結(jié)構(gòu)

基于自然語(yǔ)言處理的故障應(yīng)急事故報(bào)告自動(dòng)生成方法中，數(shù)據(jù)來源由數(shù)據(jù)庫(kù)與模板庫(kù)共同組成[7]，將所采集的監(jiān)測(cè)數(shù)據(jù)納入到數(shù)據(jù)庫(kù)內(nèi)，同時(shí)依照相關(guān)標(biāo)準(zhǔn)定制可配置的模板庫(kù)，數(shù)據(jù)來源是故障應(yīng)急事故報(bào)告自動(dòng)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(duì)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(duì)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(dòng)化，通過Visual C++能夠有效編譯自動(dòng)化控制器，控制Word 等文字處理應(yīng)用程序，協(xié)同完成報(bào)告自動(dòng)生成任務(wù)。采用這種方法，可在無(wú)須人工操作的條件下，令兩個(gè)應(yīng)用程序自動(dòng)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(yǔ)言處理技術(shù)，利用基于詞典與規(guī)則的語(yǔ)法分析算法，可令生成的故障應(yīng)急事故報(bào)告具有更強(qiáng)的適應(yīng)性[10]。

報(bào)告生成環(huán)節(jié)依照資料分析結(jié)果與模板需求，自動(dòng)進(jìn)行監(jiān)測(cè)數(shù)據(jù)分析報(bào)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(jì)模板報(bào)告樣式，在服務(wù)器終端自動(dòng)生成報(bào)告并展示。

1.2 數(shù)據(jù)檢驗(yàn)

由于數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)來源于不同應(yīng)用程序，為保障生成報(bào)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(duì)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(jì)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(shí)間點(diǎn)記錄內(nèi)，確定與缺失數(shù)據(jù)時(shí)點(diǎn)記錄內(nèi)未缺失變量取值得分匹配度最高的時(shí)點(diǎn)記錄，基于該完整時(shí)點(diǎn)記錄內(nèi)的對(duì)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(shí)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(gè)t 值，由此令匹配值k 為：

其中，?i表示依照第i 個(gè)變量觀測(cè)數(shù)據(jù)確定的標(biāo)準(zhǔn)差。不同時(shí)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(yǔ)言處理技術(shù)

利用計(jì)算機(jī)準(zhǔn)確處理人類自然語(yǔ)言，分析并明確自然語(yǔ)言的含義是自然語(yǔ)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(yǔ)言處理技術(shù)能夠提升故障應(yīng)急事故報(bào)告的適應(yīng)性。自然語(yǔ)言處理流程圖如圖2 所示。

圖2 自然語(yǔ)言處理流程

對(duì)復(fù)合文檔內(nèi)的句子進(jìn)行自然語(yǔ)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(yǔ)義識(shí)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(gè)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(duì)單詞的基本操作實(shí)施定義。單詞詞性可通過單個(gè)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(bào)告的詳細(xì)要求進(jìn)行對(duì)應(yīng)的修正與擴(kuò)展[13]。

句子結(jié)構(gòu)內(nèi)存在一個(gè)哈希表，其主要功能是存儲(chǔ)句子內(nèi)的全部單詞，并對(duì)句子的基本操作（如句子長(zhǎng)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(gè)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(yǔ)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(yǔ)句由名詞短語(yǔ)和動(dòng)詞短語(yǔ)共同組成，兩者分別由冠詞、名詞和動(dòng)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(gè)詞語(yǔ)的語(yǔ)句的圖由n+1 個(gè)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(gè)節(jié)點(diǎn)至最后一個(gè)節(jié)點(diǎn)的邊，即可獲取一棵語(yǔ)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(yǔ)義識(shí)別與數(shù)據(jù)提取

由于報(bào)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(bào)告內(nèi)容清晰性與簡(jiǎn)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(jì)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(bào)告定義為由相互獨(dú)立詞條組（C1，C2，…，Cn）組成，統(tǒng)計(jì)單個(gè)詞條Ci的數(shù)量，確定Ci的詞頻，確定整個(gè)故障應(yīng)急事故報(bào)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(bào)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(duì)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(jì)算結(jié)果低于設(shè)定閾值時(shí)，還需進(jìn)行自然段落的一致度計(jì)算，具體計(jì)算流程如下：

流程1：對(duì)P1和P2進(jìn)行自然分段處理，針對(duì)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(shí)確定各段文檔內(nèi)詞的權(quán)重。

流程2：設(shè)定一個(gè)閾值，利用式（3）計(jì)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(duì)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(duì)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(duì)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(jì)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(yǔ)言處理的故障應(yīng)急事故報(bào)告自動(dòng)生成方法的應(yīng)用性能，以某發(fā)電廠為應(yīng)用對(duì)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(dòng)生成故障應(yīng)急事故報(bào)告測(cè)試，結(jié)果如下。

2.1 數(shù)據(jù)采集精度

對(duì)比所提方法中數(shù)據(jù)庫(kù)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(jì)算流程

圖5 數(shù)據(jù)對(duì)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(shì)相同，部分區(qū)域存在一定差距的原因主要是應(yīng)用對(duì)象中的設(shè)備發(fā)生故障，導(dǎo)致監(jiān)測(cè)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(cè)試

以基于水晶報(bào)表的報(bào)告自動(dòng)生成方法和基于專家系統(tǒng)的報(bào)告自動(dòng)生成方法為對(duì)比方法，采用所提方法和對(duì)比方法對(duì)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(shí)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(duì)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(duì)采集數(shù)據(jù)實(shí)施借補(bǔ)處理后，數(shù)據(jù)的絕對(duì)偏差也呈不同程度的上升趨勢(shì)。采用所提方法對(duì)采集數(shù)據(jù)進(jìn)行借補(bǔ)處理后，不同時(shí)間點(diǎn)下數(shù)據(jù)的絕對(duì)偏差始終低于另外兩種對(duì)比方法，且不同時(shí)間點(diǎn)下與兩種對(duì)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(cè)試結(jié)果

2.3 詞性標(biāo)注測(cè)試

統(tǒng)計(jì)所提方法對(duì)故障應(yīng)急事故報(bào)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(cè)試結(jié)果

分析表3 得到，所提方法對(duì)報(bào)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(yǔ)義識(shí)別精度測(cè)試

圖6 為所提方法在實(shí)際報(bào)告生成過程中的語(yǔ)義識(shí)別精度測(cè)試結(jié)果。

圖6 語(yǔ)義識(shí)別精度測(cè)試結(jié)果

分析圖6 可得到，所提方法對(duì)不同自然段落進(jìn)行語(yǔ)義識(shí)別所得的一致度結(jié)果與實(shí)際一致度值大致相同，計(jì)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(yǔ)義識(shí)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(duì)于自然語(yǔ)言處理具有較高的精度，可實(shí)現(xiàn)故障應(yīng)急事故報(bào)告自動(dòng)生成，規(guī)范報(bào)告編制內(nèi)容。

2.5 實(shí)時(shí)能耗測(cè)試

圖7 為所提方法實(shí)際報(bào)告生成過程中的實(shí)時(shí)能耗。

圖7 實(shí)時(shí)能耗曲線

分析圖7 得到，所提方法在實(shí)際報(bào)告生成過程中的實(shí)時(shí)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(bào)告生成過程中具有較低的實(shí)時(shí)能耗。

2.6 報(bào)告規(guī)范性驗(yàn)證

在上述驗(yàn)證基礎(chǔ)上，對(duì)生成的報(bào)告規(guī)范性進(jìn)行了測(cè)評(píng)，測(cè)評(píng)結(jié)果如表4 所示。

表4 故障應(yīng)急事故報(bào)告規(guī)范性評(píng)價(jià)

如表4 所示，所生成的報(bào)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(yǔ)

研究基于自然語(yǔ)言處理的故障應(yīng)急事故報(bào)告自動(dòng)生成方法，根據(jù)所采集故障設(shè)備數(shù)據(jù)，采用自然語(yǔ)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(yǔ)義識(shí)別與數(shù)據(jù)提取等過程自動(dòng)生成故障應(yīng)急事故報(bào)告，實(shí)驗(yàn)結(jié)果顯示所提方法中自然語(yǔ)言處理技術(shù)具有較高的精度。