典型文献
基于文本挖掘的轨道电路细粒度故障致因分析方法
文献摘要：
针对轨道电路故障文本记录依赖人工分析处理且故障文本利用率低的问题,提出一种轨道电路细粒度故障致因文本挖掘方法.从故障致因类型角度出发,基于改进TF-IDF算法实现故障文本特征表示,采用支持向量机实现均衡后的故障文本自动分类;考虑轨道电路故障原因多样性,对基于Word2vec向量表示的不同致因类型故障文本,进一步采用K-means算法聚类挖掘出细粒度故障主题类型,并依据词频特征提取各故障主题类型中的易发性故障致因.通过对某铁路局集团有限公司2015-2018年轨道电路故障文本数据实验分析,表明该方法可以实现轨道电路故障文本记录自动化统计分析,对现场综合检修、制定预防性维护措施具有辅助指导意义.
文献关键词：
轨道电路;文本挖掘;TF-IDF;K-Means;聚类分析
中图分类号：
作者姓名：
侯通;郑启明;姚新文;陈光武;王小敏
作者机构：
西南交通大学信息科学与技术学院,四川成都 611756;兰州交通大学 自动化与电气工程学院,甘肃兰州 730070
文献出处：
引用格式：
[1]侯通;郑启明;姚新文;陈光武;王小敏-.基于文本挖掘的轨道电路细粒度故障致因分析方法)[J].铁道学报,2022(10):73-81
A类：
故障致因
B类：
文本挖掘,轨道电路,细粒度,致因分析,电路故障,工分,分析处理,本利,挖掘方法,TF,IDF,算法实现,文本特征表示,文本自动分类,故障原因,Word2vec,向量表示,means,聚类挖掘,挖掘出,题类,词频,易发性,铁路局,集团有限公司,故障文本数据,综合检修,预防性维护,维护措施,Means
AB值：
0.323266
相似文献
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。
