[发明专利]一种线上事故等级预测方法和装置

权利要求书

1.一种线上事故等级预测方法，其特征在于，包括：

获取当前线上事故上报的文本数据；

通过预设的预测模型，根据当前线上事故上报的文本数据预测事故等级；其中，预测模型包括嵌入层、Dropout层、两层双向门限循环单元、池化层、拼接层和全连接层。

2.根据权利要求1所述的方法，其特征在于，通过预设的预测模型，根据当前线上事故上报的文本数据预测事故等级之前，包括：

对当前线上事故上报的文本数据进行分词处理和去除停用词处理，以对处理后的文本数据进行标准化处理；

通过word2vec模型对词进行词向量处理。

3.根据权利要求1所述的方法，其特征在于，所述预测模型，包括：

将线上事故上报的文本数据输入至嵌入层，以将所述文本数据转换为预设规则的词向量；

通过Dropout层随机去除部分神经元，进而通过两层双向门限循环单元提取上下文信息和全局信息；

再经过池化层获得描述更有效的词，通过拼接层和全连接层分别将两个及以上的特征图进行拼接，和进行训练迭代。

4.根据权利要求3所述的方法，其特征在于，所述Dropout层采用SpatialDropout1D，以将词向量加入dropout，以随机去除部分神经元。

5.根据权利要求3所述的方法，其特征在于，所述池化层包括最大池化层、平均池化层和Attention层；

其中，利用最大池化层和平均池化层获取线上事故上报的文本数据中描述最有效的词；同时加入至Attention层，以选择线上事故上报的文本数据中描述更有效的词语。

6.一种线上事故等级预测装置，其特征在于，包括：

获取模块，用于获取当前线上事故上报的文本数据；

预测模块，用于通过预设的预测模型，根据当前线上事故上报的文本数据预测事故等级；其中，预测模型包括嵌入层、Dropout层、两层双向门限循环单元、池化层、拼接层和全连接层。

7.根据权利要求6所述的装置，其特征在于，所述获取模块，还用于：

对当前线上事故上报的文本数据进行分词处理和去除停用词处理，以对处理后的文本数据进行标准化处理；

通过word2vec模型对词进行词向量处理。

8.根据权利要求6所述的装置，其特征在于，所述预测模型，包括：

将线上事故上报的文本数据输入至嵌入层，以将所述文本数据转换为预设规则的词向量；

通过Dropout层随机去除部分神经元，进而通过两层双向门限循环单元提取上下文信息和全局信息；

再经过池化层获得描述更有效的词，通过拼接层和全连接层分别将两个及以上的特征图进行拼接，和进行训练迭代。

9.根据权利要求8所述的装置，其特征在于，所述Dropout层采用SpatialDropout1D，以将词向量加入dropout，以随机去除部分神经元。

10.根据权利要求8所述的装置，其特征在于，所述池化层包括最大池化层、平均池化层和Attention层；

其中，利用最大池化层和平均池化层获取线上事故上报的文本数据中描述最有效的词；同时加入至Attention层，以选择线上事故上报的文本数据中描述更有效的词语。

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。