摘要：将自然语言处理技术和机器学习方法结合,从智能站操作票的语法语义模型出发,实现操作票内容的智能提取。首先通过基于隐马尔可夫模型(hidden markov model,HMM)的由字构词的中文分词方法,对操作票指令进行分词;然后通过基于隐马尔可夫模型的词性标注方法,对分词结果标注词性;最后按照操作票语法规则,实现操作票动作、对象及状态的提取。该方法不仅免去了规则化提取所需的大量人工配置工作,提高了效率,并且具有通用性,可直接在不同的变电站应用。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社