10.16543/j.2095-641x.electric.power.ict.2018.11.004
基于深度学习的 95598重大服务事件识别研究
目前,95598重大服务事件报送为全人工方式,效率低下且存在主观偏差,一次提报精确率为30% 左右.文章以95598语音转写文本数据为研究对象,构建文本分类模型.首先针对语音转写文本语言特点,引入电力专业词库及停止词典,并对转写有误词语及同义词进行归一化表示;其次针对传统文本表示缺点,引入分布式表示方法;然后针对数据分布不平衡特性,引入改进的损失函数;最终对多种基于深度学习及传统机器学习算法的模型进行全面比较.结果表明,基于GRU算法及MSFE损失函数的TextRNN模型精确率达72%,远高于人工方式,可有效支撑国家电网公司客服中心风险管控工作.
重大服务事件识别、深度学习、文本分类、语义分析
16
TP391.42(计算技术、计算机技术)
2019-01-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
19-23