基于Word2vec和K-Means算法的勘探开发成果文档聚类研究

摘要：

根据渤海油田七年行动计划部署,现阶段勘探开发研究成果数量激增.目前,渤海油田勘探开发研究成果入库前分类工作主要依靠传统手动方式,效率低下且无法满足成果文档及时共享的需求.针对以上问题,提出一种基于Word2vec和卷积神经网络(convolutional neural networks,CNN)的文本特征提取方法并结合K-Means聚类算法对勘探开发阶段的成果文档进行自动分类.该方法在预训练word2vec向量的基础上基于自有开发成果文档标题语料库进行再训练,将低维向量的形式表征及文本的深层语义特征相结合,最后采用聚类算法对成果文档进行聚类.实验结果表明,在搜集的近7万份勘探开发成果文档数据集中,采用该方法使文档分类效率比手工方法提升了91.8％,标签获取准确率达93.6％,效率上和准确率都实现了较大提升.

关键词：Word2vec、CNN、短文本聚类、石油勘探开发

所属期刊栏目：45

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家科技重大专项2016ZX05024-003

在线出版日期：2023-01-05（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：113-119