基于电力工单文本的WTF-IDF特征选择优化

• 作者: 朱君 杨萌 杜振东 章劲秋 嵇友浪 刘国婷
• 来源期刊: 电子设计工程
• 关键词: 领域词典 新词识别 95598电力工单 WTF-IDF
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 电力电子技术|Power Electronic Technology
• 页码范围: 159-163
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.05.033

摘要

文中通过对95598客服服务中心的电力工单历史数据中反映的热点问题进行建模,实现对海量工单文本内容快速、准确地分类,为管理人员发现与解决问题提供支撑.针对电力领域的特殊性,引入了通过新词识别手段构建的针对电力文本的领域词典.通过对传统的TF-IDF算法加以改进,提出了加入领域词典的WTF-IDF特征选择优化算法,旨在给予工单问题中重要的词更多的注意力,有助于机器更好地理解句子中的重点.实验表明,所提方法在电力文本分类方面比传统的TF-IDF取得了更高的准确率与更快的模型训练速度.