本发明专利技术公开了一种基于LSTM神经网络和知识图谱的识别方法及装置，涉及计算机技术领域，针对目前市场上在电力方面缺少基于LSTM神经网络和知识图谱的识别方法及装置的问题，现提出如下方案，其所述识别方法包括以下步骤：S1、信息获取：获取需要进行识别的信息数据；S2、数据识别：对获取的信息数据进行识别；S3、保存记录：对识别的信息数据进行记录保存；S4、识别公示：识别成功，对信息数据进行分析，并对分析结果进行公示；识别失败，提示对信息数据进行补充。本发明专利技术结构新颖，且便于使用者对电力数据进行匹配识别，且便于公寓人员对数据信息进行完善和记录，识别效果好，有效提高识别的准确性和可用性。的准确性和可用性。的准确性和可用性。
【技术实现步骤摘要】
一种基于LSTM神经网络和知识图谱的识别方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种基于LSTM神经网络和知识图谱的识别方法及装置。
技术介绍
[0002]大数据是目前正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态，其依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术对海量数据进行分布式数据挖掘，通过大数据的分析使得数据工作者及科学家开始着眼于探求数据更深层次的价值，LSTM神经网络和知识图谱应运而生。
[0003]随着LSTM神经网络和知识图谱的不断完善，其应用领域也越来越广泛，但目前电力方面在进行识别时，并未做出推进，在电力方面对于基于LSTM神经网络和知识图谱的识别方法及装置存在空缺，因此，为了解决此类问题，我们提出了一种基于LSTM神经网络和知识图谱的识别方法及装置。
技术实现思路
[0004]本专利技术提出的一种基于LSTM神经网络和知识图谱的识别方法及装置，解决了目前市场上在电力方面缺少基于LSTM神经网络和知识图谱的识别方法及装置的问题。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于LSTM神经网络和知识图谱的识别方法，所述识别方法包括以下步骤：
[0007]S1、信息获取：获取需要进行识别的信息数据；
[0008]S2、数据识别：对获取的信息数据进行识别；
[0009]S3、保存记录：对识别的信息数据进行记录保存；
[0010]S4、识别公示：识别成功，对信息数据进行分析，并对分析结果进行公示；识别失败，提示对信息数据进行补充。
[0011]优选的，所述步骤S1信息获取所涉及的获取需要进行识别的信息数据，其在对获取的信息数据进行识别之前还包括构建基于LSTM神经网络和知识图谱的数据库，所述数据库的构建方法为：
[0012]S11、汇集待创建的LSTM神经网络和知识图谱所属范围内的全部数据；
[0013]S12、对汇集的数据进行概念词提取，以及对提取的概念词进行汇集；
[0014]S13、建立概念词与数据的主体关系；
[0015]S14、对概念词与数据的关系进行验证和调整。
[0016]优选的，所述步骤S2数据识别所涉及的对获取的信息数据进行识别，其在对获取的信息数据进行识别之间需要基于LSTM神经网络和知识图谱构建的数据库对信息数据进行提取。
[0017]优选的，所述步骤S3保存记录所涉及的对识别的信息数据进行记录保存，其保存
内容为识别内容和识别结果，且为识别内容的详情以及识别次数，以及识别结果的详情。
[0018]优选的，所述步骤S4识别公示所涉及的对信息数据进行补充，其补充内容与数据库连接，将补充的信息数据上传至数据库，并在数据库内对补充的信息进行标注。
[0019]一种基于LSTM神经网络和知识图谱的识别装置，包括获取部分、数据提取部分和匹配识别部分，所述获取部分包括：
[0020]识别获取模块，其与识别数据整理模块连接，用于对需要进行识别的数据进行获取，并将获取到的识别数据传输至识别数据整理模块；
[0021]识别数据整理模块，其与识别获取模块和数据提取模块连接，用于接收识别获取模块传输的识别数据，然后对接收的识别数据进行整理，对其识别数据的概念词进行提取，并将提取的概念词的数据传输至数据提取模块；
[0022]所述数据提取部分包括：
[0023]数据提取模块，其与识别数据整理模块和数据库连接，用于接收识别数据整理模块传输的概念词的数据，然后将接收的概念词数据进行提取命令的转换，并基于概念词的数据对数据库下发概念词数据提取命令；
[0024]数据库，其与数据提取模块、数据匹配模块、神经网络和知识图谱连接，数据库基于神经网络和知识图谱进行构建，用于接收数据提取模块下发的概念词数据提取命令，然后根据命令对数据库内的信息进行提取，并将提取到的信息数据传输至数据匹配模块；
[0025]所述匹配识别部分包括：
[0026]数据匹配模块，其与数据库、数据分析模块和数据完善模块连接，用于接收数据库传输的提取到的信息数据，然后对提取到的信息数据和获取的数据进行匹配识别，若匹配识别成功，则将信息数据传输至数据分析模块，若匹配失败，则跳转至数据完善模块；
[0027]数据分析模块，其与数据匹配模块连接，用于接收数据匹配模块传输的信息数据，然后对接收到的信息数据进行识别分析，并对分析结果进行公示；
[0028]数据完善模块，其与数据匹配模块连接，用于接受数据匹配模块的跳转，以及用于对信息数据进行完善。
[0029]本专利技术的有益效果为：
[0030]通过对LSTM神经网络和知识图谱集中构建，形成集中的数据库，便于使用者对电力数据进行匹配识别，且通过获取需要进行识别的信息数据，对获取的信息数据进行识别，对识别的信息数据进行记录保存，且若识别成功，对信息数据进行分析，并对分析结果进行公示，识别失败，提示对信息数据进行补充，通过识别的数据与数据库信息进行匹配和比对，从而对信息数据进行识别，且在识别过程中对识别内容进行记录，形成档案，便于对其进行检索，以及在识别后对其识别结果进行分析和公示，当识别失败后跳转至数据完善模块，对数据进行完善。
[0031]综上所述，该基于LSTM神经网络和知识图谱的识别方法及装置，便于使用者对电力数据进行匹配识别，且便于公寓人员对数据信息进行完善和记录，识别效果好，有效提高识别的准确性和可用性。
附图说明
[0032]图1为本专利技术所述一种基于LSTM神经网络和知识图谱的识别方法的流程图。
[0033]图2为本专利技术所述一种基于LSTM神经网络和知识图谱的识别装置的结构图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0035]实施例1
[0036]参照图1所示，一种基于LSTM神经网络和知识图谱的识别方法，所述识别方法包括以下步骤：
[0037]S1、信息获取：获取需要进行识别的信息数据，且在对获取的信息数据进行识别之前还包括构建基于LSTM神经网络和知识图谱的数据库，所述数据库的构建方法为：
[0038]S11、汇集待创建的LSTM神经网络和知识图谱所属范围内的全部数据；
[0039]S12、对汇集的数据进行概念词提取，以及对提取的概念词进行汇集；
[0040]S13、建立概念词与数据的主体关系；
[0041]S14、对概念词与数据的关系进行验证和调整；
[0042]S2、数据识别：对获取的信息数据进行识别，且在对获取的信息数据进行识别之间需要基于LSTM神经网络和知识图谱构建的数据库对信息数据进行提取；<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于LSTM神经网络和知识图谱的识别方法，其特征在于，所述识别方法包括以下步骤：S1、信息获取：获取需要进行识别的信息数据；S2、数据识别：对获取的信息数据进行识别；S3、保存记录：对识别的信息数据进行记录保存；S4、识别公示：识别成功，对信息数据进行分析，并对分析结果进行公示；识别失败，提示对信息数据进行补充。2.根据权利要求1所述的一种基于LSTM神经网络和知识图谱的识别方法，其特征在于，所述步骤S1信息获取所涉及的获取需要进行识别的信息数据，其在对获取的信息数据进行识别之前还包括构建基于LSTM神经网络和知识图谱的数据库，所述数据库的构建方法为：S11、汇集待创建的LSTM神经网络和知识图谱所属范围内的全部数据；S12、对汇集的数据进行概念词提取，以及对提取的概念词进行汇集；S13、建立概念词与数据的主体关系；S14、对概念词与数据的关系进行验证和调整。3.根据权利要求1所述的一种基于LSTM神经网络和知识图谱的识别方法，其特征在于，所述步骤S2数据识别所涉及的对获取的信息数据进行识别，其在对获取的信息数据进行识别之间需要基于LSTM神经网络和知识图谱构建的数据库对信息数据进行提取。4.根据权利要求1所述的一种基于LSTM神经网络和知识图谱的识别方法，其特征在于，所述步骤S3保存记录所涉及的对识别的信息数据进行记录保存，其保存内容为识别内容和识别结果，且为识别内容的详情以及识别次数，以及识别结果的详情。5.根据权利要求1所述的一种基于LSTM神经网络和知识图谱的识别方法，其特征在于，所述步骤S4识别公示所涉及的对信息数据进行补充，其补充内容与数据库连接，将补充的信息数据上传至数据库，并在数据库内对补充的信息进行标注。6.一种应用于上述权利要求1
‑
5任一项所述的基于LSTM神经网络和知识图谱的识别方法的识别装置，包括获取部分、数据提取部分和匹配识别部分，其特征在于，所述获取部分包括：识...
【专利技术属性】
技术研发人员：李保平，
申请(专利权)人：广州汇通国信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。