期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于MiniRBT-LSTM-GAT与标签平滑的台区电力工单分类
1
作者 李嘉欣 莫思特 《计算机应用》 北大核心 2025年第4期1356-1362,共7页
台区电力工单记录反映了台区运行工况和用户需求,是制定台区用电安全管理制度和满足台区用户用电需求的重要依据。针对台区电力工单高复杂性和强专业性给台区工单分类带来的难题,提出一种融合标签平滑(LS)与预训练语言模型的台区电力工... 台区电力工单记录反映了台区运行工况和用户需求,是制定台区用电安全管理制度和满足台区用户用电需求的重要依据。针对台区电力工单高复杂性和强专业性给台区工单分类带来的难题,提出一种融合标签平滑(LS)与预训练语言模型的台区电力工单分类模型(MiniRBT-LSTM-GAT)。首先,利用预训练模型计算电力工单文本中的字符级特征向量表示;其次,采用双向长短期记忆网络(BiLSTM)捕捉电力文本序列中的依赖关系;再次,通过图注意力网络(GAT)聚焦对文本分类贡献大的特征信息;最后,利用LS改进损失函数以提高模型的分类精度。所提模型与当前主流的文本分类算法在农网台区电力工单数据集(RSPWO)、浙江省95598电力工单数据集(ZJPWO)和THUCNews(TsingHua University Chinese News)数据集上的实验结果表明,与电力审计文本多粒度预训练语言模型(EPAT-BERT)相比,所提模型在RSPWO、ZJPWO上的查准率和F1值分别提升了2.76、2.02个百分点和1.77、1.40个百分点;与胶囊神经网络模型BRsyn-caps(capsule network based on BERT and dependency syntax)相比,所提模型在THUCNews数据集上的查准率和准确率分别提升了0.76和0.71个百分点。可见,所提模型有效提升了台区电力工单分类的性能,并在THUCNews数据集上表现良好,验证了模型的通用性。 展开更多
关键词 台区电力工单 文本分类 预训练模型 图注意力网络 标签平滑
在线阅读 下载PDF
基于词典扩充的电力客服工单情感倾向性分析 被引量:6
2
作者 顾斌 彭涛 车伟 《现代电子技术》 北大核心 2017年第11期163-166,171,共5页
为了有效提高电力企业客户满意度及主动服务意识,结合电力客服工单文本特征,构建了电力客服工单情感分析模型。先通过TF-IDF思想进行工单关键词提取,采用word2vec训练得出每个词语的词向量,通过计算余弦相似度将高相似领域词汇扩充到情... 为了有效提高电力企业客户满意度及主动服务意识,结合电力客服工单文本特征,构建了电力客服工单情感分析模型。先通过TF-IDF思想进行工单关键词提取,采用word2vec训练得出每个词语的词向量,通过计算余弦相似度将高相似领域词汇扩充到情感词典,再进行工单倾向性分析及文本分类。通过实验分析验证该方法的有效性,实验结果表明,相较于原始情感词典,进行词典扩充及工单情感倾向性分析方法更具优势,准确率更高,可为电力企业客户关系管理提供一定的参考。 展开更多
关键词 情感分析 情感倾向性 词典扩充 电力客服 主动服务
在线阅读 下载PDF
融合BTM和BERT的短文本分类方法 被引量:9
3
作者 付文杰 杨迪 +1 位作者 马红明 吴迪 《计算机工程与设计》 北大核心 2022年第12期3421-3427,共7页
为充分提取短文本语义信息,提高短文本分类精度,提出一种融合BTM和BERT的短文本分类方法BTM&BERT。综合考虑文本主题特征信息和全局语义信息,利用BTM(biterm topic model)和BERT(bidirectional encoder representations from transf... 为充分提取短文本语义信息,提高短文本分类精度,提出一种融合BTM和BERT的短文本分类方法BTM&BERT。综合考虑文本主题特征信息和全局语义信息,利用BTM(biterm topic model)和BERT(bidirectional encoder representations from transformers)完成短文本特征向量构建,实现语义增强,将融合主题特征信息和上下文语义信息的特征向量经全连接和Softmax分类器,获得短文本分类结果。实验结果表明,在真实电力工单短文本数据集上,BTM&BERT较BTM、BTM&Word2Vec、BTM&Doc2Vec和BERT方法具有较好的分类精度和语义表示能力。 展开更多
关键词 短文本分类 词对主题模型 BERT预训练模型 特征向量拼接 电力工单
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部