文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200284
中文引用格式： 高凡，王富章，張銘，等. 基于TF-IDF進化集成分類器的鐵路安全故障文本分類[J].電子技術應用，2021，47(4)：71-76，81.
英文引用格式： Gao Fan，Wang Fuzhang，Zhang Ming，et al. Text classification of railway safety fault based on TF-IDF evolutionary integrated classifier[J]. Application of Electronic Technique，2021，47(4)：71-76，81.
0 引言
安全問題歷來是鐵路運輸的重點關注問題，在鐵路安全監控體系中，為減少運營過程中可能存在的安全隱患，減少設備故障，保障系統穩定運行，安全人員根據日常巡檢、專項巡檢、重大節假日排查等計劃定期到現場檢查存在的安全生產故障隱患，并將問題記錄為文本形式存儲。管理人員依據這些問題記錄，分析、總結與整改問題。在長期形成的海量的安全問題文本文件中，采用文本分類技術將安全問題自動歸類，輔助管理人員更好地掌握與處理安全問題，在鐵路安全領域的重要性日漸凸顯。
一般來說，文本分類過程有以下3個步驟[1]：預處理、文本表示和文本分類。其中，文本預處理包括分詞、去除停頓詞、去除不規則數據等。文本表示即將提取的文本特征轉換為計算機可處理的數據類型(通常用向量表示)。文本表示方法包括詞袋模型(BOW)、詞頻-逆向文件頻率(Term Frequency-Inverse Document Frequency，TF-IDF)，以及基于深度學習的Word2vec表示方法等[2]。在構造分類器時使用的技術大體包括單個的基分類器、集成分類器以及深度學習模型[3]。集成分類器主要包含Bagging和Boosting兩種，Bagging的主要算法是隨機森林，Boosting的主要算法是梯度提升樹。在深度學習領域，有基于深度信念網絡、卷積神經網絡[4-5]、循環神經網絡等完成文本分類任務[6]。
目前，國內學者在鐵路文本分析領域研究較多。王廣采用貝葉斯網絡的預測模型和自適應增強算法(Adaptive Boosting，AdaBoost)的預測模型實現天氣相關的鐵路道岔故障預測[7]；趙陽等以故障文本信息為依據，針對高鐵信號車載設備，提出貝葉斯結構學習算法(HDBN_SL)[8]；李佳奇等將面向Agent的分布式人工智能技術引入到信號設備故障診斷系統中[9]；楊連報針對信號故障不平衡數據，采用SVM-SMOTE算法對TF-IDF轉換后的小類別文本向量數據隨機生成，分別采用基分類器和集成分類對數據進行分類[10]。本文處理安全問題為事故故障發生前人員檢查時發現的風險、隱患內容，通常包括安全問題發生的時間、地點、問題描述等關鍵要素[11]，所以針對每一類安全問題，存在特定的關鍵詞，本文在文本特征抽取上采用TF-IDF表示，針對Bagging集成分類器的基礎上，采用遺傳算法優化，提升分類準確性[12]。
本文詳細內容請下載：http://www.shi-ke.cn/resource/share/2000003467
作者信息：
高 凡1，王富章1，張 銘1，趙俊華2，李高科1
(1.中國鐵道科學研究院，北京100081；2.北京經緯信息技術有限公司，北京100081)