基于双通道融合网络的电力故障报修分类模型

摘要

针对目前电力故障报修工单分类准确率不高,而静态词向量无法表示多义词,以及传统深度学习模型提取特征不够全面等问题,提出了基于双通道融合网络的电力故障报修分类模型(RoBERTa-BA-MCNN)。RoBERTa预训练模型通过参考上下文语境,得到词的动态语义表示,解决一词多义问题。由BiSRU-Attention模块提取文本上下文序列特征,而多尺度卷积神经网络(MCNN)模型捕获多尺度语句级别的局部特征,将双通道特征拼接融合,得到更为全面的高维特征。在真实电力故障报修数据上进行实验,结果表明,RoBERTa-BA-MCNN模型准确率达到了95.67%,高于实验对比的其他模型。