針對計量檢定裝置人工運維效率低、易出錯的問題,該文提出了一種計量檢定裝置智能運維知識庫的構建方法。以線下運維日志的歷史數(shù)據(jù)為基礎,采用自然語言處理技術,構建基于隱含狄利克雷分布(latent Dirichlet allocation,LDA)的智能運維知識庫模型。通過余弦相似度的故障相似度計算方法,輸入故障現(xiàn)象輸出故障處理方法,實現(xiàn)了故障處理方法的智能推薦。實際應用表明,該方法在不影響計量檢定工作的前提下,能夠提升運維效率、減少運維成本。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1LDA模型流程

對于LDA模型來說一個文檔的形成是先確定某個位置的主題，然后才選擇這個主題下的某個詞，即先確定主題后選詞。圖1為LDA模型結構流程，模型中出現(xiàn)的參數(shù)如表1所示。LDA模型將變量分為3個層級：α軑，β軋為文檔集層級變量（corpus-level），一個模型內部文檔集層級變量一樣；為....

圖3向量化示例圖

分詞后形成文檔集的“詞袋”并對“詞袋”中的詞匯進行編碼。通過計算每篇文檔的詞頻將文本向量化，得到文檔集的詞頻矩陣，作為構建知識庫模型的輸入。圖3給出了將分詞結果向量化過程示例。2.2主題分布矩陣

圖4迭代調優(yōu)流程

知識庫應用過程中，根據(jù)用戶反饋進行不斷完善使得知識庫和智能應答功能可根據(jù)多變的現(xiàn)實情況不斷調整，進行深度自學習，從而實現(xiàn)知識庫的迭代優(yōu)化，如圖4所示。用戶反饋來源于兩個方面：一是用戶在故障現(xiàn)象匹配結果中的選擇；二是原因排查后用戶反饋原因是否在推薦列表中。第一部分的反饋所體現(xiàn)的是文....

圖5知識庫構建流程

原始數(shù)據(jù)來自于由線下運維日志整理成的處理方法編碼表，主要數(shù)據(jù)是報警原因描述以及處理方法描述。在實際應用中，選取2015年至2019年的某省級計量中心單相一號線運維日志，通過文字識別技術掃描并形成線下運維檔案，部分日志記錄如圖6所示。圖6單相一號線運維日志記錄圖

本文編號：3921128