[发明专利]电力操作票文本智能分类方法、装置、设备及介质

权利要求书

1.一种电力操作票文本智能分类方法，其特征在于，包括：

将第一操作票文本输入至DNN深度神经网络模型进行训练，得到所述第一操作票文本的深层次语义特征及语义特征向量；

计算所述语义特征向量与训练操作票样本之间的相似度，并根据所述相似度筛选出与所述训练操作票样本的匹配度大于预设值的多条操作票文本，作为第二操作票文本；

获取所述第二操作票文本的操作票等级，若所述操作票等级不一致，利用KNN加权算法计算所述第二操作票文本中每条文本对总分类操作票文本的影响权重，并根据所述影响权重与所述相似度的叠加，得到所述第二操作票文本的目标操作票等级。

2.根据权利要求1所述的电力操作票文本智能分类方法，其特征在于，所述影响权重与所述相似度叠加时采用的模型为：

式中，i表示词性；j为训练集中按相似度大小排序的操作票文本序列，w_j表示第j条文本的权重；k根据测试集遍历寻优的方式获取，即在测试集依次计算当k＝1、2、…10时的分类准确率，取分类准确率最高的k值作为在线分类模型的参数；level_i为第k条待分类文本的操作票等级。

3.根据权利要求1所述的电力操作票文本智能分类方法，其特征在于，利用cosin距离的语义相似度算法计算所述语义特征向量与训练操作票样本之间的相似度。

4.根据权利要求1所述的电力操作票文本智能分类方法，其特征在于，在所述将第一操作票文本输入至DNN深度神经网络模型进行训练之前，还包括：

利用Word-Hashing算法对初始操作票文本进行预处理，得到所述第一操作票文本。

5.根据权利要求1所述的电力操作票文本智能分类方法，其特征在于，在所述将第一操作票文本输入至DNN深度神经网络模型进行训练之前，还包括：

利用改进分词分类算法对初始操作票文本进行分词处理，得到所述第一操作票文本，所述改进分词分类算法为：

式中，J表示分词分类算法的目标函数，N表示分词总个数，i表示词性，表示向量参数，c表示迭代次数，S表示聚类中心，x_r表示模糊指数，v_k表示聚类自适应参数，A_ir表示分类因子，r、N_i均表示常数系数，N_r表示聚类系数。

6.根据权利要求1所述的电力操作票文本智能分类方法，其特征在于，所述将第一操作票文本输入至DNN深度神经网络模型进行训练，包括：

以极大似然估计函数最小作为训练目标对所述第一操作票文本进行训练，利用SGD随机梯度下降算法更新网络参数直至收敛，得到DNN神经网络的结构参数。

7.根据权利要求1-6任一项所述的电力操作票文本智能分类方法，其特征在于，还包括：若所述操作票等级一致，将当前操作票等级作为所述第二操作票文本的目标操作票等级。

8.一种电力操作票文本智能分类装置，其特征在于，包括：

训练单元，用于将第一操作票文本输入至DNN深度神经网络模型进行训练，得到所述第一操作票文本的深层次语义特征及语义特征向量；

计算单元，用于计算所述语义特征向量与训练操作票样本之间的相似度，并根据所述相似度筛选出与所述训练操作票样本的匹配度大于预设值的多条操作票文本，作为第二操作票文本；

分类单元，用于获取所述第二操作票文本的操作票等级，若所述操作票等级不一致，利用KNN加权算法计算所述第二操作票文本中每条文本对总分类操作票文本的影响权重，并根据所述影响权重与所述相似度的叠加，得到所述第二操作票文本的目标操作票等级。