服务号

订阅号

稿件详情

当前位置:首页 >稿件详情

基于ERNIE预训练的电力设备缺陷文本挖掘方法

发布日期:2022-07-19  浏览次数:665  下载次数:288   DOI字段:10.19457/j.1001-2095.dqcd22951

      摘要:电力设备缺陷文本中蕴含了大量的设备运行规律,可采用自然语言处理技术对其进行挖掘,为设备运维提供指导。针对该现状构建了一种基于知识增强的语义表示模型(ERNIE)预训练的电力设备缺陷文本挖掘方法。首先,分析了传统词向量模型的局限性,并总结了电力设备缺陷文本的特点,针对以上问题采用一种基于ERNIE进行预训练,得到包含缺陷文本上下文语境信息的词向量;接着,采用双向长短时记忆网络(BiLSTM)对缺陷文本双向学习,进一步提取缺陷文本语义特征并分类;最后,通过实例分析表明ERNIE-BiLSTM模型具有更良好的分类性能,为今后电力设备缺陷文本挖掘提供了新的思路。


      关键词:电力设备;缺陷文本挖掘;预训练模型;知识增强;双向长短时记忆网络


      中图分类号:TM28     文献标识码:A 





返回顶部

天津电气科学研究院有限公司 版权所有 津ICP备07001287号 Powered by Handynasty

网上违法和不良信息举报电话(河东区):022-84376127 | 举报邮箱:wangzheng@tried.com.cn