鉴于智能变电站待连接的虚端子数量庞大,传统的连接方法常存在识别效率低、校核工作量大、连接结果不准确等问题。提出一种基于掩码纠错型双向编码器句子嵌入模型(sentence-masked language model as correction bidirectional encoder ...鉴于智能变电站待连接的虚端子数量庞大,传统的连接方法常存在识别效率低、校核工作量大、连接结果不准确等问题。提出一种基于掩码纠错型双向编码器句子嵌入模型(sentence-masked language model as correction bidirectional encoder representations from transformer,Sentence-MacBERT)的虚端子自动连接方法。首先,提取实现虚端子自动连接所需关键信息并进行预处理。其次,构建Sentence-MacBERT虚端子自动连接模型并进行训练,得到最优模型。最后,将预处理后的短地址和中文描述分别输入到该模型中,得到综合句向量并进行余弦相似度匹配,完成智能变电站虚端子自动连接。结果表明,相比于传统的虚端子自动连接方法,该方法的连接效率更高,且准确率达到94.38%,实现了虚端子的准确连接。展开更多
文摘鉴于智能变电站待连接的虚端子数量庞大,传统的连接方法常存在识别效率低、校核工作量大、连接结果不准确等问题。提出一种基于掩码纠错型双向编码器句子嵌入模型(sentence-masked language model as correction bidirectional encoder representations from transformer,Sentence-MacBERT)的虚端子自动连接方法。首先,提取实现虚端子自动连接所需关键信息并进行预处理。其次,构建Sentence-MacBERT虚端子自动连接模型并进行训练,得到最优模型。最后,将预处理后的短地址和中文描述分别输入到该模型中,得到综合句向量并进行余弦相似度匹配,完成智能变电站虚端子自动连接。结果表明,相比于传统的虚端子自动连接方法,该方法的连接效率更高,且准确率达到94.38%,实现了虚端子的准确连接。
