[发明专利]一种基于卷积神经网络的电气操作人员属性推测方法

权利要求书

1.一种基于卷积神经网络的电气操作人员属性推测方法，它包括：

步骤1、采集数据库中已经积累的电力操作人员的数据信息，构建训练数据集；

步骤2、对训练数据集文本进行分词及去除停用词预处理操作；

步骤3、随机初始化词向量并在训练数据集上不断调整训练，从而获得词向量，并作为输入用于卷积神经网络中；

步骤4、使用构造好的词向量作为输入，使用卷积神经网络算法CNN进行分类模型的训练；

步骤5、将电气操作人员的信息描述经过数据预处理、词向量化输入到训练好的卷积网络和全连接网络即得到电气操作人员的属性推测标签。

2.根据权利要求1所述的一种基于卷积神经网络的电气操作人员属性推测方法，其特征在于：电力操作人员的数据信息包括数据信息一、数据信息二、数据信息三、数据信息四以及操作人员的各种介绍、个人总结、工作总结文本数据资料。

3.根据权利要求1所述的一种基于卷积神经网络的电气操作人员属性推测方法，其特征在于：所述分词是将连续文本转换成词语集合，以便后续使用单词来表征文本；使用jieba分词来对语料进行分词处理。

4.根据权利要求1所述的一种基于卷积神经网络的电气操作人员属性推测方法，其特征在于：所述去除停用词是去除文本中的不携带任何信息、只是反映句子语法结构的无意义的停用词。

5.根据权利要求1所述的一种基于卷积神经网络的电气操作人员属性推测方法，其特征在于：所述词向量是以向量的形式表示语料库或者词汇表中的词语，即x_i∈R^k；x_i表示语料库或者词汇表中第i个词的词向量，R^k表示k维实数空间。

6.根据权利要求1所述的一种基于卷积神经网络的电气操作人员属性推测方法，其特征在于：所述使用卷积神经网络算法CNN进行分类模型的训练时：使用构造好的词向量作为输入，使用卷积神经网络算法CNN进行分类模型的训练，在模型的训练过程中使用k折交叉验证结合网格搜索对模型参数进行调优。