人工智能自然语言处理，有哪些应用场景？

自然语言处理技术在 电力行业 的 应用分布

具体应用案例如下：

• 电网检测警报

传统的电网检测警报无法对在短时间内对发生的警报事件做出准确的判断。鉴于目前监测报警信息效率低的现状，人工智能技术为电网业务提供了有效的解决方案。首先，通过自然语言处理技术对报警信息文本的特征进行分析和整理，并做好预处理工作。基于Word2vec模型对监视警报信息进行矢量化，最后，针对报警信息的特点，建立了基于LSTM和CNN组合的监控报警事件识别模型。该模型可以通过与多种识别模型的比较，以验证本文方法的可行性和有效性。

• 智能电网检修问答系统

通过机器阅读理解技术将电网安规的文档进行读取和分析，然后把文档中的段落建索引。电网维修人员可以通过自然语言问答的形式提出问题，并得到相关的答案指导。当维修人员向系统提问后，系统会先在索引里搜索相关段落，再从找到的段落中读出问题答案。搜索返回的是段落，系统将段落内容转精炼成回答短语，返回输出给维修人员。系统会理解文本内容，之后再抽取原文的一部分内容作为答案输出。系统依赖bert 模型预测出来文章当中哪一段能回答这个问题的概率最高。（学术的阅读理解数据集上，人能做到86.8, 最好的模型做到88.6了）

• 渠道客户偏好分析系统

对于渠道客户的管理是电网行业当中的一个重要环节。通过自然语言处理技术，可以有效的提高电力公司对渠道客户的管理工作。智能渠道客户偏好分析系统能够通从客户对接业务项目的文本信息中识别客户对各种渠道使用的喜好程度、客户与电网企业交互的活跃程度、客户关注偏好类别, 有针对性地引导客户进行渠道转移, 减少渠道服务成本。自然语言处理技术还能从客户服务相关的语料数据中发现客户投诉倾向分析指识别客户投诉特征及变化规律, 对营销业务、客户基础信息与客户投诉之间进行关联分析。结合客户服务历史及历史满意度评价情况, 对服务过程中因服务行为、供电质量等服务质量引起的投诉和满意度评价较低的信息进行分析, 找出关联关系。