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: 彭小圣 李智威 李黎 王干军 苏超 蒋逸雯
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 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
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 新一代人工智能在智能电网和能源互联网中的应用
• 页码范围: 4162-4171
• 页数: 10页
• 分类号: TM407
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.181457

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李黎		243	2673	28.0	39.0
2	彭小圣		3	384	1.0	3.0
3	蒋逸雯		6	4	1.0	2.0
4	李智威		8	41	4.0	6.0
5	苏超		2	0	0.0	0.0
6	王干军		2	0	0.0	0.0