《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于TF-IDF进化集成分类器的铁路安全故障文本分类
基于TF-IDF进化集成分类器的铁路安全故障文本分类
2021年电子技术应用第4期
高 凡1，王富章1，张 铭1，赵俊华2，李高科1
1.中国铁道科学研究院，北京100081；2.北京经纬信息技术有限公司，北京100081
摘要： 铁路安全问题是铁路运输保证的核心问题，铁路安全问题非结构化文本数据量大，文本内容无特定规律，对于综合分析解决安全故障问题造成很高的难度。针对铁路安全问题数据智能分类，提出进化集成分类器模型。运用TF-IDF算法，通过分析接触网安全问题的数据特点提取文本特征。采用决策树作为基分类器的Bagging集成分类器将文本数据分类，在Bagging分类过程中，针对Bagging算法产生的基分类器组合解集，提出采用遗传算法(Genetic Algorithm)将其优化，产生分类结果较优的基分类器组合解集。以铁路局实际安全问题进行实验分析，实验证明TF-IDF+Bagging+Genetic Algorithm=Evolutionary Ensemble Classifier进化集成分类器模型在铁路安全问题文本分类中具有较高的准确性。
中圖分類號： TN02；U284
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200284
中文引用格式： 高凡，王富章，張銘，等. 基于TF-IDF進化集成分類器的鐵路安全故障文本分類[J].電子技術(shù)應(yīng)用，2021，47(4)：71-76，81.
英文引用格式： Gao Fan，Wang Fuzhang，Zhang Ming，et al. Text classification of railway safety fault based on TF-IDF evolutionary integrated classifier[J]. Application of Electronic Technique，2021，47(4)：71-76，81.
Text classification of railway safety fault based on TF-IDF evolutionary integrated classifier
Gao Fan1，Wang Fuzhang1，Zhang Ming1，Zhao Junhua2，Li Gaoke1
1.China Academy of Railway Science，Beijing 100081，China； 2.Beijing Jingwei Information Technologies Co.，Ltd.，Beijing 100081，China
Abstract： Railway safety is the core of railway transportation guarantee. The unstructured text data of railway safety problems is large, and the content of the text has no specific rules, which makes it very difficult to comprehensively analyze and solve the safety problems. Aiming at the intelligent classification of railway safety data, an evolutionary ensemble classifier model is proposed. By analyzing the characteristics of the catenary security issues of data, TF-IDF model is adopted to realize the feature extraction. Bagging ensemble classifier which uses Decision Tree as the base classifier classifies the text data, in the process of classification of Bagging, for the combined solution set of base classifier generated by Bagging Algorithm, Genetic Algorithm is proposed to optimize it to generate the combined solution set of base classifier with better classification results. Based on the safety problem of power supply contact network of a railway bureau, the experimental analysis shows that the TF-IDF+Bagging+Genetic Algorithm=Evolutionary Ensemble Classifier model has a high classification index in the text classification of railway safety problems.
Key words : software railway safety problems；TF-IDF；base classifier；integrated classifier；evolutionary integration classifier

0 引言

    安全問題歷來是鐵路運輸?shù)闹攸c關(guān)注問題，在鐵路安全監(jiān)控體系中，為減少運營過程中可能存在的安全隱患，減少設(shè)備故障，保障系統(tǒng)穩(wěn)定運行，安全人員根據(jù)日常巡檢、專項巡檢、重大節(jié)假日排查等計劃定期到現(xiàn)場檢查存在的安全生產(chǎn)故障隱患，并將問題記錄為文本形式存儲。管理人員依據(jù)這些問題記錄，分析、總結(jié)與整改問題。在長期形成的海量的安全問題文本文件中，采用文本分類技術(shù)將安全問題自動歸類，輔助管理人員更好地掌握與處理安全問題，在鐵路安全領(lǐng)域的重要性日漸凸顯。

    一般來說，文本分類過程有以下3個步驟[1]：預(yù)處理、文本表示和文本分類。其中，文本預(yù)處理包括分詞、去除停頓詞、去除不規(guī)則數(shù)據(jù)等。文本表示即將提取的文本特征轉(zhuǎn)換為計算機可處理的數(shù)據(jù)類型(通常用向量表示)。文本表示方法包括詞袋模型(BOW)、詞頻-逆向文件頻率(Term Frequency-Inverse Document Frequency，TF-IDF)，以及基于深度學習的Word2vec表示方法等[2]。在構(gòu)造分類器時使用的技術(shù)大體包括單個的基分類器、集成分類器以及深度學習模型[3]。集成分類器主要包含Bagging和Boosting兩種，Bagging的主要算法是隨機森林，Boosting的主要算法是梯度提升樹。在深度學習領(lǐng)域，有基于深度信念網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)[4-5]、循環(huán)神經(jīng)網(wǎng)絡(luò)等完成文本分類任務(wù)[6]。

    目前，國內(nèi)學者在鐵路文本分析領(lǐng)域研究較多。王廣采用貝葉斯網(wǎng)絡(luò)的預(yù)測模型和自適應(yīng)增強算法(Adaptive Boosting，AdaBoost)的預(yù)測模型實現(xiàn)天氣相關(guān)的鐵路道岔故障預(yù)測[7]；趙陽等以故障文本信息為依據(jù)，針對高鐵信號車載設(shè)備，提出貝葉斯結(jié)構(gòu)學習算法(HDBN_SL)[8]；李佳奇等將面向Agent的分布式人工智能技術(shù)引入到信號設(shè)備故障診斷系統(tǒng)中[9]；楊連報針對信號故障不平衡數(shù)據(jù)，采用SVM-SMOTE算法對TF-IDF轉(zhuǎn)換后的小類別文本向量數(shù)據(jù)隨機生成，分別采用基分類器和集成分類對數(shù)據(jù)進行分類[10]。本文處理安全問題為事故故障發(fā)生前人員檢查時發(fā)現(xiàn)的風險、隱患內(nèi)容，通常包括安全問題發(fā)生的時間、地點、問題描述等關(guān)鍵要素[11]，所以針對每一類安全問題，存在特定的關(guān)鍵詞，本文在文本特征抽取上采用TF-IDF表示，針對Bagging集成分類器的基礎(chǔ)上，采用遺傳算法優(yōu)化，提升分類準確性[12]。




本文詳細內(nèi)容請下載：http://m.ihrv.cn/resource/share/2000003467




作者信息：

高  凡1，王富章1，張  銘1，趙俊華2，李高科1

(1.中國鐵道科學研究院，北京100081；2.北京經(jīng)緯信息技術(shù)有限公司，北京100081)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容