文献类型：期刊文章

作　　者：朱龙珠[1] 徐宏[1] 刘莉莉[2]

ZHU Longzhu;XU Hong;LIU Lili(State Grid Customer Service Center, Tianjin 300302, China;Beijing DataOcean Technology Co., Ltd., Beijing 100081, China)

机构地区：[1]国家电网公司客户服务中心,天津300302 [2]北京数洋智慧科技有限公司,北京100081

出　　处：《电力信息与通信技术》

年　　份：2018

卷　　号：16

期　　号：11

起止页码：19-23

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：目前,95598重大服务事件报送为全人工方式,效率低下且存在主观偏差,一次提报精确率为30%左右。文章以95598语音转写文本数据为研究对象,构建文本分类模型。首先针对语音转写文本语言特点,引入电力专业词库及停止词典,并对转写有误词语及同义词进行归一化表示;其次针对传统文本表示缺点,引入分布式表示方法;然后针对数据分布不平衡特性,引入改进的损失函数;最终对多种基于深度学习及传统机器学习算法的模型进行全面比较。结果表明,基于GRU算法及MSFE损失函数的TextRNN模型精确率达72%,远高于人工方式,可有效支撑国家电网公司客服中心风险管控工作。

关 键 词：重大服务事件识别  深度学习  文本分类 语义分析

分 类 号：TP391.42]