[发明专利]基于深度神经网络的电力检修文本挖掘方法在审
| 申请号： | 201811518919.4 | 申请日： | 2018-12-12 |
| 公开（公告）号： | CN109783637A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 祝春捷;夏霖;潘坚跃;陈超;徐晓华;向新宇;孔晓杭;泮莉莎;施婧;李雅;雷云;石佳;陈晨 | 申请（专利权）人： | 国网浙江省电力有限公司杭州供电公司;浙江华云信息科技有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N3/04 |
| 代理公司： | 杭州华鼎知识产权代理事务所(普通合伙) 33217 | 代理人： | 项军 |
| 地址： | 310004 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 电力检修 神经网络 文本挖掘 词向量 文本 分类准确率 数值型数据 电力服务 电力行业 分类结果 复杂文本 热线服务 文本数据 系统生成 影响分类 语义分类 重要意义 专业词语 引入 覆盖度 通用的 挖掘 转换 外部 | ||
【权利要求书】：
1.基于深度神经网络的电力检修文本挖掘方法，其特征在于，所述文本挖掘方法，包括：
获取由电力服务热线服务系统生成的电力检修文本；
对获取到的电力检修文本进行由文本数据向数值型数据转换的处理；
对处理后的数据进行基于神经网络的语义分类，得到表明具体需求的分类结果。
2.根据权利要求1所述的基于深度神经网络的电力检修文本挖掘方法，其特征在于，所述对获取到的电力检修文本进行由文本数据向数值型数据转换的处理，包括：
使用Skip-gram模型的中word2vec分布式表示方法完成词向量的训练过程，
变量Xk为输入词语，y1j,y2j...ycj为Xk对应的上下文词语。hi为隐层变量，词向量即为模型训练完成后隐层的偏置矩阵。
3.根据权利要求1所述的基于深度神经网络的电力检修文本挖掘方法，其特征在于，所述对处理后的数据进行基于神经网络的语义分类，得到表明具体需求的分类结果，包括：
对处理后的数据进行包括数据清洗在内的预处理操作；
为了对比不同的词向量对算法的影响，模型会输入不同预训练词向量，然后将词向量输入到不同的神经网络模型中进行训练和分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司杭州供电公司;浙江华云信息科技有限公司，未经国网浙江省电力有限公司杭州供电公司;浙江华云信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811518919.4/1.html，转载请声明来源钻瓜专利网。
