基于卷积神经网络的配电网缺陷文本分类方法

• 作者: 党卫军 薛艺为 韩捷
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 配电网缺陷文本 文本分类 卷积神经网络 注意力机制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究与探讨
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP391
• 字数: 4546字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.06.019

摘要

针对传统文本分类方法对配电网络缺陷文本分类性能不佳的问题,结合配电网缺陷文本数据特点,构建了基于改进卷积神经网络(CNN)的缺陷文本分类模型.首先,利用长短期记忆网络(LSTM)和门控循环单元(GRU),优化了配电网缺陷文本数据的词向量表示方式.然后,在CNN中引入注意力机制,提高了网络对重要文本的关注度,最后连接Softmax实现缺陷文本分类.基于实际算例对改进CNN模型与多种文本分类方法进行性能比较.结果表明,改进CNN模型对配电网缺陷文本分类性能优于其它文本分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛艺为		3	0	0.0	0.0
2	韩捷		3	4	2.0	2.0
3	党卫军		3	2	1.0	1.0