《表1 电网缺陷文本挖掘模型工程化应用效能表》

  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

《基于改进深度强化学习算法的电网缺陷文本挖掘模型研究》

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

为了进一步验证电网缺陷文本挖掘模型工程化应用效能，基于微应用扩展模式下的电网缺陷文本挖掘模型工程化应用架构，利用南方电网贵州电网有限责任公司某换流站内交流500 k V设备运维产生的故障文本数据为基础语义解析数据，考察模型在电网缺陷文本隐性知识感知全链功能的实现效能，着重验证模型在海量文本语义解析的实时自主性，差异性设备多维缺陷文本数据下的隐性知识发现的精确性。经过电网运维全寿命周期缺陷文本数据便捷获取与融合机制、基于深度学习的电网缺陷文本特征多维深度感知、电网缺陷文本语义框架自构建、善基于强化学习的缺陷文本自主识别决策、知识地图自生成及本体字典自动完善等软件进程的处理，感知出非结构电网缺陷文本数据池下的电网缺陷文本隐性知识，工程化应用效能具体如表1所示。通过表1可以从定性和定量两个层面分析得出，电网缺陷文本挖掘模型具备电网运维文本数据获取与融合、语义框架自构建及知识地图自生成、本体字典自动完善及隐性知识发现等全方位电网缺陷文本隐性知识感知体系效能，在语义框架全局最优构建、知识地图自生成及均衡修正、电网缺陷文本隐性知识稳定感知等层面具有明显优势。