电力设备缺陷文本的双通道语义增强网络挖掘方法

作者：张宇波; 王有元; 梁玄鸿; 夏宇

来源：高电压技术, 2023, 1-10.

DOI：10.13336/j.1003-6520.hve.20221712

• 缺陷文本
• 信息智能挖掘
• 词移距离
• 双通道语义增强网络
• 特征融合

电力设备运维环节积累的缺陷文本可指导设备的状态评价和检修工作。然而缺陷文本结构多样且背景噪声强，导致智能挖掘信息的难度大。针对该问题，本文提出了基于双通道语义增强网络的电力设备缺陷文本挖掘方法。首先，分析缺陷文本的内容，结合自然语言处理方法预处理缺陷文本。利用Glove词向量嵌入模型将缺陷文本映射至数值空间表征语义。然后，基于词移距离构建缺陷文本的增强文本，通过含注意力机制的双向长短时记忆神经网络分别提取缺陷文本和增强文本的特征，进而在网络末端融合特征实现关键信息加强，提升模型分类性能。实例表明，所提双通道语义增强网络的分类Macro-F1指标相比于传统机器学习方法、单通道深度学习方法至少提高6.2%、5.2%，同时所提方法为实现图像、文本等多源运维数据的特征增强提供新思路。

• 单位
  重庆大学; 输配电装备及系统安全与新技术国家重点实验室