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