基于卷积神经网络的电力设备缺陷文本分类模型研究
刘梓权 王慧芳 曹靖 邱剑
生成PDF 清样下载 引用

复制成功

导出题录

参考文献( GB/T 7714-2015 ) 复制

刘梓权 王慧芳 曹靖 邱剑,. 基于卷积神经网络的电力设备缺陷文本分类模型研究[J]. 电网技术研究,2018.8. DOI:.
摘要:
电网生产管理系统中存在大量闲置的设备缺陷记录文本。针对电力设备缺陷文本的特点,构建了基于卷积神经网络的缺陷文本分类模型。首先通过分析大量电力设备缺陷记录,归纳了电力设备缺陷文本的特点;然后参考中文文本分类的一般流程,并考虑缺陷文本的特点,建立了一种基于卷积神经网络的电力缺陷文本分类模型;最后通过算例对基于卷积神经网络的缺陷分类模型和多种传统机器学习分类模型进行全面比较。算例结果表明,所提出的缺陷文本分类模型能显著降低分类错误率,在分类效率上也比较可观。
关键词: 电力文本处理;缺陷分类;卷积神经网络;机器学习
DOI:
基金资助:

》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知:

1、审稿结果将于1~7个工作日以邮件告知,请注意查收(包含录用通知书、审稿意见、知网CNKI查重报告)。

2、提交投稿后,若7个工作日之内未接到录用通知,则说明该文章未被录用,请另投他刊。

3、凡投寄本刊稿件,如在内容上有侵权行为或不妥之处,均应文责自负。本刊有权对来稿进行文字编辑、加工和修改,如不同意,请附说明,以便妥善处理。

4、多作者文稿署名时须征得其他作者同意,排好先后次序,通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表,其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库,如作者不同意被收录,请提前申明,未申明者,本刊一律视为同意被收录。

7、请勿一稿多投。