BiLSTM_DPCNN模型在电力客服工单数据分类中的应用

• 作者: 李灿 田秀霞 赵波
• 来源期刊: 计算机系统应用
• 关键词: 电力客服工单 文本分类 BiLSTM CNN Word2Vec
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究开发
• 页码范围: 243-249
• 页数: 7页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007557

摘要

电力客服工单数据以文本形式记录电力用户的需求信息,合理的工单分类方法有利于准确定位用户需求,提升电力系统的运行效率.针对工单数据特征稀疏、依赖性强等问题,本文对基于字符级嵌入的长短时记忆网络(Bidirectional Long Short-Term Memory network,BiLSTM)和卷积神经网络(Convolution Neural Network,CNN)组合的结构模型进行优化.该模型首先对Word2Vec模型训练的词向量进行降噪处理,得到文本的特征表示;其次,利用BiLSTM网络递归地学习文本的时序信息,提取句子特征信息;再输入到双通道池化的CNN网络中,进行局部的特征提取.通过在真实客服工单数据集上的测试实验,验证了该模型在客服工单分类任务上的具有较好的精确性和鲁棒性.