基于MCNN的铁路信号设备故障短文本分类方法研究

摘要：

铁路运营维护中产生了大量非结构化的文本数据,针对这些文本信息,提出一种基于Word2Vec+MCNN的文本挖掘分类方法.首先采用Word2Vec训练故障词向量;其次丰富词向量矩阵信息,使网络模型从多方位的特征表示中学习输入句子的故障信息;最后使用多池化卷积神经网络模型作为故障分类的方法,得到更多全面的隐藏信息.通过与传统分类器以及其他类型的多池化卷积神经网络模型实验对比,得出本文的模型可以更好地达到分类效果,具有较高的分类准确率.

关键词：故障分类、信号设备、Word2Vec、卷积神经网路

所属期刊栏目：16

分类号：U284.92(铁路通信、信号)

资助基金：国家自然科学基金资助项目61763025

在线出版日期：2020-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2859-2865