基于文本分类与语义识别的电力运营数据智能处理

作     者：马行星 左军辉 池俊 MA Xingxing;ZUO Junhui;CHI Jun

作者机构：国网新疆营销服务中心新疆乌鲁木齐830017 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第9期

页      面：104-108页

学科分类：0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0804[工学-仪器科学与技术] 

基　　金：国网公司科技项目(JL71-15-042)。 

主　　题：文本挖掘 Apriori 向量化表示 长短期记忆网络 

摘      要：针对当前电力运营数据分析和利用不足的现状,提出一种基于文本分类与语义识别的电力运营数据智能处理算法。该算法采用剔除异常文本、分词以及去停顿词等操作进行电力运营文本清洗,再使用连续词袋(CBOW)模型实现电力运营文本的向量化表示。同时利用Apriori算法挖掘电力运营文本向量与文本分类结果的关联规则,并基于小批量梯度下降(MBGD)的长短期记忆网络(LSTM)算法来获取电力运营文本分类的结果。通过对新疆电网某历史数据的仿真分析结果表明,文中所提算法相较于LSTM与Apriori-SVM算法,在电力运营文本分类上具有更高的准确率;且与传统梯度下降法相比,MBGD算法能够在保持较高准确率的同时大幅缩减模型的训练时间。