检索结果-南通市图书馆

作者：谢庆玲贵州大学

学位级别：硕士

电力行业是关乎国计民生的重要行业,电力投诉作为电力部门与用户交流并发现问题的重要渠道备受关注。事理图谱可挖掘出电力投诉事件的逻辑关系,帮助电力部门获取事件因果及顺承关系的知识和经验,并发现关键路径与节点,为相关部门提供决... 详细信息

电力行业是关乎国计民生的重要行业,电力投诉作为电力部门与用户交流并发现问题的重要渠道备受关注。事理图谱可挖掘出电力投诉事件的逻辑关系,帮助电力部门获取事件因果及顺承关系的知识和经验,并发现关键路径与节点,为相关部门提供决策支持,从而提升电力服务与电力稳定性,并最终提升民众生活水平。但由于事理图谱研究较为新颖且电力投诉具有领域特性,故构建电力投诉领域事理图谱尚有诸多问题需要解决。本文结合12398能源监管热线电力投诉的文本特点,以事理图谱构建关键技术事件分类、事件关系及事件抽取、事件泛化为基础,构建出分类别电力投诉事件事理图谱。本文的研究内容及成果如下:(1)针对电力投诉文本小样本、多标签、样本不均衡和具有领域特性的特点,本文提出基于关键词的无监督朴素贝叶斯文本分类方法并在原算法基础上提取文本关键词更新初始关键词库,分类准确率提升2.4%。且该方法相较于基于改进的Text RNN模型的有监督文本分类方法,宏平均的准确率P、召回率R及F1值指标明显较优,较好的解决了小样本且样本不均衡的问题。且无监督文本分类方法用时更短,不需人工进行大量标注,节省人力和物力资源。(2)针对事件关系抽取采用模式匹配的关系抽取方法。首先结合已有的显式因果句法模式研究以及电力投诉文本的文本特征,总结出一套适用于电力投诉文本领域的因果关系抽取方案,然后创新的提出电力投诉领域的顺承关系抽取模板,最后利用句法分析和语义角色标注方法对事件进行抽取。实验结果表明,因果关系的抽取准确率达93.25%。(3)针对事件泛化,首先结合Word2vec向量改进凝聚式层次聚类算法对短文本进行聚类,实验结果表明其准确率较佳,适用于短文本;然后引入牛顿冷却定律融合时间因素优化事件转移概率算法。最后以电力安全事件事理图谱为例,创新的引入质量管理理论对事理图谱进行分析,提出相应的电力优化管理建议。

关键词：电力投诉事理图谱事件分类事件关系抽取事件泛化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度玻尔兹曼机的电力投诉工单分类应用研究

基于深度玻尔兹曼机的电力投诉工单分类应用研究

引用

作者：杨恒长沙理工大学

学位级别：硕士

当前,用户投诉成为供电企业关注的一项重点,如何有效地减少用户投诉,提供更好的电力服务,从而提升用户的满意度成为了供电企业努力的方向。近年来,随着供电企业管理水平的不断提高,优质服务的落地要求也越来越高。95598对电力投诉工单... 详细信息

当前,用户投诉成为供电企业关注的一项重点,如何有效地减少用户投诉,提供更好的电力服务,从而提升用户的满意度成为了供电企业努力的方向。近年来,随着供电企业管理水平的不断提高,优质服务的落地要求也越来越高。95598对电力投诉工单的分类依然采取人工分类的方法,效率低下且存在主观误差。如何快速高效地对电力投诉工单进行分类成了提高供电企业服务质量的关键。对电力投诉工单进行分类本质上是对自然语言的文本分类。当前国内外对文本分类算法进行了许多研究,提出或改进了很多分类模型,但以上研究都存在不同的问题:是否在对数据进行预处理时考虑到单词的权重问题;是否考虑到特定的背景下进行预处理而导致产生脏数据的问题;使用传统分类方法并行分布处理能力差,学习能力弱等。本文使用一种基于词频-逆文档频度（Term Frequency-Inverse Document Frequency,TF-IDF）相似度向量的数据向量化方法。通过对语料进行建立停用词表,结巴分词、去停用词、词性过滤等步骤得到关键词,同时制作字典;接着使用Word2vec（Word to Vector）工具进行文本特征向量化;最后,对训练文档和测试文档进行文本特征向量的TF-IDF计算并进行余弦相似度计算比较,获得若干相似度。从精确率,召回率和F1得分三项指标对模型进行评价,并分别对比使用Word2vec向量,字典向量,TF-IDF向量,和TF-IDF相似度向量输入进行预处理,通过对比试验,同时使用深度玻尔兹曼机作为训练模型的情况下,本文所提出的数据预处理方法在三项指标上优于其他方法。本文提出一种基于深度玻尔兹曼机（Deep Boltzmann Machine,DBM）的电力投诉工单分类模型,对DBM采用贪心逐层预训练的方法,并将预处理获得的余弦相似度导入到DBM模型中进行训练。从精确率,召回率和F1得分三项指标对模型进行评价,使用TF-IDF相似度向量输入进行预处理,并分别对比增强学习算法AdaBoost,最邻近结点算法（K-Nearest Neighbor,KNN）分类算法和决策树三种分类模型。实验证明,本文所使用的分类模型的在三项指标上优于其它三种分类模型。

关键词：电力投诉文本分类词频-逆文档频度深度玻尔兹曼机

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LSTM-Attention融合的电力客户主动服务推荐方法

引用

电力科学与技术学报 2022年第2期37卷 213-218页

作者：张帝王韬朱吉然唐海国张志丹唐小伟颜宏文国网湖南省电力有限公司电力科学研究院湖南长沙410007 长沙理工大学电气与信息工程学院湖南长沙410114 长沙理工大学计算机与通信工程学院湖南长沙410114

为提升用电水平,借助人工智能技术进行电力客户主动服务是必然趋势。针对电力行业中在客户主动服务方面的研究不足,提出一种基于LSTM-Attention融合的电力客户主动服务推荐方法。该方法能够有效地解决单一深度学习模型在服务推荐当中出... 详细信息

为提升用电水平,借助人工智能技术进行电力客户主动服务是必然趋势。针对电力行业中在客户主动服务方面的研究不足,提出一种基于LSTM-Attention融合的电力客户主动服务推荐方法。该方法能够有效地解决单一深度学习模型在服务推荐当中出现的梯度弥撒以及梯度爆炸等问题。本文首先建立从电力投诉工单提取客户潜在服务需求的模型;进而获得基于LSTM-Attention融合算法的电力客户主动服务推荐方法;最后采用某市电力客户投诉工单实例随算法和模型进行验证。实验表明本文方法正确有效。

关键词：主动服务推荐电力投诉潜在服务需求 LSTM-Attention

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

深度嵌入聚类及其在投诉文本分析中的应用

引用

计算机科学与应用 2023年第4期13卷 853-864页

作者：刘菲林邵立伟黄德皇喇磊对外经济贸易大学信息学院北京中山市北京理工大学研究院广东中山

针对互联网存在的巨量涉及电力投诉的用户生成超短文本,本文提出一种基于深度嵌入的聚类模型,以实现互联网电力投诉文本话题识别的方法。首先,通过改进算法进行词嵌入,以提高文本特征的语义丰度并降低数据集维度;然后,在词嵌入的基础上... 详细信息

针对互联网存在的巨量涉及电力投诉的用户生成超短文本,本文提出一种基于深度嵌入的聚类模型,以实现互联网电力投诉文本话题识别的方法。首先,通过改进算法进行词嵌入,以提高文本特征的语义丰度并降低数据集维度;然后,在词嵌入的基础上,借助Sentence-Bert进行句子相似度计算,从而实现短文本聚类;最后,在自主爬取的互联网用户留言中涉及电力投诉的文本数据集上部署提出的方法,完成了投诉文本的话题聚类,并与多个已有的话题识别算法在同一数据集上的效果进行比较,证明了提出模型的有效性。

关键词：词嵌入 Sententce-Bert 短文本聚类话题识别电力投诉

来源：

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：