10.3969/j.issn.1000-386x.2021.05.015
基于AT_CNN与Attention-BiGRU融合网络的电网故障报修信息的自动分类研究
随着经济和信息化的快速发展,电网规模的不断扩大,电网用户的故障报修数量呈逐年上升的趋势.针对目前电网用户故障报修工单难以自动化分析和处理的问题,提出一种基于AT_CNN算法与Attention-BiGRU的融合网络,该网络可将以上两种互补模型提取的局部特征和整体特征进行拼接融合.其中的AT_CNN算法利用Attention池化与Top k池化结合的方法对池化层进行改进,能更好提取上下文的文本特征.结果表明,该方法在公共数据集上的分类准确率较传统深度学习方法显著提高,在电网故障报修工单数据上的分类准确率可以达到95.71％.
卷积神经网络、门控循环单元、文本分类、注意力机制、池化
38
TP3(计算技术、计算机技术)
2021-05-20（万方平台首次上网日期，不代表论文的发表时间）
共7页
93-98,116
