基于TextCNN的电网故障报修工单的文本分类方法
针对目前电网用户故障报修工单难以自动化分析和处理的问题,本文提出了一种基于TextCNN(Text Convolutional Neural Network,TCNN)的电网用户故障报修工单信息的自动文本分类模型。首先,采用Word2vec的CBOW模型学习文本的分布式表示,并将这些表示作为预训练的词向量。其次,将预训练的词向量通过深度卷积神经网络模型进行特征学习,并利用K-max池化操作进一步提取高层次特征。最后利用softmax分类器得出分类结果 。我们使用本文提出的模型对某地区电网用户故障报修工单进行故障类型分类,实验结果表明,该模型的分类准确率可以达到95％。我们的工作为电网部门更加合理地配置各类抢修资源提供了一个有用的工具,有利于缩短故障修复时间,以进一步提高服务水平。
文本分类 电网故障 卷积神经网络
曹渝昆 赵田
上海电力大学计算机学院,中国上海200090
国内会议
上海
中文
342-351
2019-05-17（万方平台首次上网日期，不代表论文的发表时间）