《表1 空管概念词典：基于文本挖掘的空管不正常事件风险预测研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于文本挖掘的空管不正常事件风险预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在后续的分析过程中，作者发现单纯的向量空间模型在文本分析时效果是有限的，且在风险致因因素的提取过程中存在一义多词的干扰问题。因此，考虑将文本概念模型中的相关思想引入到向量空间模型中，如概念词典、概念替换与概念消歧[22]。要实现上述操作，首先需要构建空管概念词典，具体方法参考文献[22]。将语料中表达相同含义的领域词汇统一到同一个领域概念下，之后进一步对概念进行词性标注，如普通动词（v）、普通名词（n）、谓宾动词（vn）、描述性名词（na）等。本文构建的空管概念词典部分内容如表1所示。在空管概念词典的基础上，通过Python编程可以实现原文词汇与对应领域概念之间的替换，达到概念消歧的效果；同时，也校正了原文中的错别字。实验表明，加入空管概念词典后，提取出的空管不正常事件风险致因因素更为准确、集中。