基于ERNIE预训练的电力设备缺陷文本挖掘方法

摘要：

电力设备缺陷文本中蕴含了大量的设备运行规律,可采用自然语言处理技术对其进行挖掘,为设备运维提供指导.针对该现状构建了一种基于知识增强的语义表示模型(ERNIE)预训练的电力设备缺陷文本挖掘方法.首先,分析了传统词向量模型的局限性,并总结了电力设备缺陷文本的特点,针对以上问题采用一种基于ERNIE进行预训练,得到包含缺陷文本上下文语境信息的词向量;接着,采用双向长短时记忆网络(BiLSTM)对缺陷文本双向学习,进一步提取缺陷文本语义特征并分类;最后,通过实例分析表明ERNIE-BiLSTM模型具有更良好的分类性能,为今后电力设备缺陷文本挖掘提供了新的思路.

关键词：电力设备、缺陷文本挖掘、预训练模型、知识增强、双向长短时记忆网络

所属期刊栏目：52

分类号：TM28(电工材料)

资助基金：国家自然科学基金51977127

在线出版日期：2022-07-25（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：52-58