典型文献
基于BLS的铁路安全事件文本分类研究＊
文献摘要：
为预防铁路安全事件的发生,利用文本挖掘相关技术和宽度学习系统(BLS),探讨铁路安全事件分类,包括设备问题、施工问题、作业问题、外部环境问题4大类.通过清洗及结构化314条文本数据,运用Jieba分词+自定义词表+通用停用词表完成中文分词;基于卡方检验建立223个特征词,基于词频-逆文档频率(TF-IDF)计算特征词权重;基于BLS完成事件成因分类,设计3种基于BLS的分类方法.结果表明:该系统通过挖掘铁路安全事件报告的文本信息,能够形成有效的分类模型;利用BLS自身节省算力的特性,并通过添加特征增强节点的方式,可提高分类准确性,从而提高行业管理水平.
文献关键词：
宽度学习系统(BLS);铁路安全事件;文本分类;词频-逆文档频率(TF-IDF);文本挖掘
中图分类号：
作者姓名：
尚麟宇;尹明;肖畅;程君
作者机构：
中国铁道科学研究院集团有限公司通信信号研究所,北京100081;国能朔黄铁路发展有限责任公司,河北沧州062350;中国铁道学会,北京100844
文献出处：
引用格式：
[1]尚麟宇;尹明;肖畅;程君-.基于BLS的铁路安全事件文本分类研究＊)[J].中国安全科学学报,2022(06):103-108
A类：
铁路安全事件
B类：
BLS,文本分类,分类研究,文本挖掘,宽度学习系统,设备问题,施工问题,作业问题,条文,文本数据,Jieba,自定义词,词表,停用,用词,中文分词,卡方检验,特征词,词频,文档,TF,IDF,成事,分类方法,统通,事件报告,文本信息,分类模型,算力,加特,特征增强,分类准确性,高行,行业管理
AB值：
0.355519
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。
