典型文献
基于语义分析与密度聚类的高频维修检测方法
文献摘要：
传统建筑维修工单管理系统容易忽视对工单文本描述部分的分析,导致有价值的信息被淹没在大量杂乱数据中,使得重复、高频工单难以快速准确提取.针对上述问题,采用一种基于关键词库的中文分词算法,对建筑维修工单报修内容的长文本描述进行合理分词;然后,采用基于K-means的密度检测算法,引入工单各属性的权值,从而计算任意两个工单间的赋权欧式距离,得到各工单密度并提取候选重复工单集合;最后,采用基于密度的DBSCAN聚类算法,确定最终的重复工单集合,并在实际工程中进行应用验证.可较为精准有效地从大量数据中提取重复工单,有助于提升建筑维修工单分析效率,保障后勤精细化管理水平.
文献关键词：
维修工单;建筑运维;中文分词;密度检测;聚类分析
中图分类号：
作者姓名：
向彦州;余芳强;许璟琳;彭阳
作者机构：
上海建工四建集团有限公司,上海 201103
文献出处：
引用格式：
[1]向彦州;余芳强;许璟琳;彭阳-.基于语义分析与密度聚类的高频维修检测方法)[J].工业建筑,2022(10):219-223,218
A类：
B类：
语义分析,密度聚类,维修检测,传统建筑,维修工单,工单管理系统,文本描述,被淹,淹没,杂乱,乱数,快速准确,关键词库,中文分词,报修,长文,means,密度检测,检测算法,权值,单间,欧式距离,基于密度,DBSCAN,聚类算法,应用验证,分析效率,后勤,建筑运维
AB值：
0.386332
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
