基于深度语义学习的电力变压器运维文本信息挖掘方法

被引：101

作者：

蒋逸雯 ^{[1
]}

李黎 ^{[1
]}

李智威 ^{[2
]}

苏超 ^{[3
]}

王干军 ^{[4
]}

彭小圣 ^{[1
]}

机构：

[1] 华中科技大学电气与电子工程学院

[2] 国网湖北省电力有限公司经济技术研究院

[3] 广东电网有限责任公司清远供电局

[4] 广东电网有限责任公司中山供电局

来源：

中国电机工程学报 | 2019年 / 39卷 / 14期

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;

D O I：

暂无

中图分类号：

TM41 [电力变压器]; TP391.1 [文字信息处理];

学科分类号：

080810 [电力电子与电能变换]; 120506 [数字人文];

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。

引用

页码：4162 / 4172

页数：11

共 16 条

[1]

电力设备典型故障案例的文本挖掘 [J].