《表3 不同模型结合不同词向量方式针对主变压器故障设备数据的识别效果对比》

  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Attention-BiLSTM的电网设备故障文本分类》

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

单位：%

在实验训练数据和其他实验设置保持相同的情况下，利用以下几种神经网络模型分别结合主变压器、SF6真空断路器两种实验训练数据进行实验：基于支持向量机（Support Vector Machine，SVM）的分类方式[16]、基于卷积神经网络（Convolutional Neural Network，CNN）提取语句之间特征分布的分类方法[17]以及利用Bi-LSTM处理文本之间任务[18]。利用不同的词向量生成方式，以及本文针对电网故障领域生成特定领域词向量的方法，实验结果如表3、4所示。