针对传统文本分类方法对配电网络缺陷文本分类性能不佳的问题,结合配电网缺陷文本数据特点,构建了基于改进卷积神经网络(CNN)的缺陷文本分类模型。首先,利用长短期记忆网络(LSTM)和门控循环单元(GRU),优化了配电网缺陷文本数据的词向量表示方式。然后,在CNN中引入注意力机制,提高了网络对重要文本的关注度,最后连接Softmax实现缺陷文本分类。基于实际算例对改进CNN模型与多种文本分类方法进行性能比较。结果表明,改进CNN模型对配电网缺陷文本分类性能优于其它文本分类方法。
科研之友
微信
新浪微博
Facebook
分享链接
