基于深度语义学习的电力变压器运维文本信息挖掘方法

作者:蒋逸雯; 李黎; 李智威; 苏超; 王干军; 彭小圣

摘要:电力变压器运维过程中形成的工作票及操作票等文本蕴藏着丰富的设备状态信息,然而由于中文文本结构和语义的复杂性,难以进行信息挖掘。针对该现状,提出基于深度语义学习的变压器运维文本信息挖掘方法。首先分析并归纳传统文本挖掘模型的局限性及变压器运维文本的特点,然后利用分布式文本学习工具word2vec,自动学习语义信息,将单词用低维稠密向量表示,并建立循环卷积神经网络,基于其端到端的网络结构提取文本的深层语义特征。基于变压器运维文本的案例分析表明,所提方法比常规文本挖掘方法的语义学习能力更优。通过对非结构化文本数据的信息挖掘,有利于今后结合结构化数据,全面评估变压器运行状态。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 工程科技II
  • >
  • 电力工业
收录:
  • 北大期刊(中国人文社会科学期刊)
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • 维普收录(中)
  • 万方收录(中)
  • EI 工程索引(美)
  • 国家图书馆馆藏
  • 上海图书馆馆藏
  • 知网收录(中)
  • JST 日本科学技术振兴机构数据库(日)
  • 统计源期刊(中国科技论文优秀期刊)
关键词:
  • 文本挖掘
  • 深度学习
  • 循环卷积神经网络
  • 电力变压器
  • 状态评价

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:中国电机工程学报

期刊级别:北大期刊

期刊人气:8348

杂志介绍:
主管单位:中国科学技术协会
主办单位:中国电机工程学会
出版地方:北京
快捷分类:电力
国际刊号:0258-8013
国内刊号:11-2107/TM
邮发代号:82-327
创刊时间:1964
发行周期:半月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:3.5
综合影响因子:4.31