《表1 语料库规模：基于LSTM循环神经网络的电力故障挖掘研究》

  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LSTM循环神经网络的电力故障挖掘研究》

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

本文使用的95598热线故障记录数据为6.1万条，进行分词和去停用词等预处理操作后，包含字数38.6万，词数1.3万，见表1。经过预处理后的词组数量明显减少，以此为输入来训练词向量得到的效果较差。如图2所示，是使用95598数据训练的3维词向量，可以看到与单词“短路”相近的词组为“老化”“闲丰”“一线”“变夏山”。除“老化”外，其余的词组在语义上与“短路”相差甚远。而与“抢修班”相近的词组为“营业班”“抢修三班”“德军”“鲍天佳”，可以看出后两个词组与“抢修班”在语义上也相差甚远。这说明使用较小电力故障文本语料库训练的词向量表达能力有限。