基于GRU和PCNN的电力知识抽取①

宋厚岩,王汉军

1(中国科学院大学,北京 100049)

2(中国科学院 沈阳计算技术研究所,沈阳 110168)

1 引言

随着大数据时代的到来,电力系统每天产生大量的数据,但是这些海量的数据却尚未得到合理的挖掘,导致很多潜在的价值没有被开发,如何管理和挖掘这些数据的价值成为了电力系统改革和发展的新动力.为了更好地挖掘电力系统的海量数据,电力系统与人工智能的结合呼之欲出.电力知识的提取对于构建电力系统知识图谱来说十分重要.简单来说,就是从电力系统产生的海量数据中提取电力知识三元组,并利用图数据库技术构建电力系统知识图谱,以方便海量电力数据的管理和挖掘.

知识图谱(knowledge graph)是由谷歌在2012年正式提出的概念,重点在于提高搜索引擎的智能化和效率.知识图谱实际上是一个语义网络,语义网络就是用节点表示实体或属性,边表示实体之间、实体与属性之间的各种语义关系[1-3].其中,实体是指客观存在于现实世界中且可区分的物体或事物;属性是描述实体特征的信息,如面积和长度等.关系是知识图谱最重要的特征,据此才能实现万事万物的互联,从而支持各种应用,如语义理解和信息检索等.

所谓知识抽取,就是提取来自不同来源、不同结构的数据,形成知识最终存到知识图谱的过程.知识抽取的大致任务如图1所示.

图1 知识抽取分类图

传统的知识抽取方法包括基于统计机器学习的方法、基于自然语言……