摘要: 电力通信网是电力系统的重要基础设施，其中存在海量的知识，利用这部分知识能够为电力系统的安全稳定可靠运行提供保障。电力通信规划文本作为电力通信网的一种知识体现形式，存在着知识获取困难的问题。知识图谱技术随着近几年的研究，能够对知识进... 展开 电力通信网是电力系统的重要基础设施，其中存在海量的知识，利用这部分知识能够为电力系统的安全稳定可靠运行提供保障。电力通信规划文本作为电力通信网的一种知识体现形式，存在着知识获取困难的问题。知识图谱技术随着近几年的研究，能够对知识进行完善的结构化表示，在各领域都有成功的应用。目前，对电力通信网领域的知识图谱构建研究还较少，相关的知识库也暂未有所构建。为充分利用电力通信规划知识，本文研究了面向电力通信规划领域的知识图谱构建方法。 本文通过分析国内外知识图谱的研究与在各领域的应用以及相关深度学习模型原理，研究了基于深度学习的图谱构建技术，提出了电力通信规划的知识图谱构建框架。在关键的知识抽取部分，分别研究流水线模型与联合模型。流水线模型包括基于联合词嵌入与Transformer的命名实体识别模型以及基于空洞卷积的分段卷积网络关系抽取模型。通过联合词嵌入改良词向量的输入形式，使其包含更丰富的语义信息。使用Transformer结构改进原有循环神经网络系列实体识别模型，使其能够进行并行运算，同时能够提取更深层次的特征。通过空洞卷积改进分段卷积神经网络感受野不足的问题，关联更多上下文语义信息。联合模型提出了基于标注与端到端的深度学习模型，改进了数据标注方式，将知识抽取任务转化为序列标注任务，通过端到端模型实现知识的抽取。最后，使用Neo4j图数据库将抽取的知识以可视化的形式展示并进行应用分析。 本文改进的模型通过仿真验证，采用统一的评估标准，在原有模型基础上性能得到了提升。构建的知识图谱通过可视化能够清楚地展示各个实体以及实体之间的关联，表明本文所提模型与方法的有效性。体现了知识图谱在电力通信规划领域的知识表示能力。 收起