基于文本分类与语义识别的电力运营数据智能处理

针对当前电力运营数据分析和利用不足的现状，提出一种基于文本分类与语义识别的电力运营数据智能处理算法。该算法采用剔除异常文本、分词以及去停顿词等操作进行电力运营文本清洗，再使用连续词袋（CBOW）模型实现电力运营文本的向量化表示。同时利用Apriori算法挖掘电力运营文本向量与文本分类结果的关联规则，并基于小批量梯度下降（MBGD）的长短期记忆网络（LSTM）算法来获取电力运营文本分类的结果。通过对新疆电网某历史数据的仿真分析结果表明，文中所提算法相较于LSTM与Apriori-SVM算法，在电力运营文本分类上具有更高的准确率；且与传统梯度下降法相比，MBGD算法能够在保持较高准确率的同时大幅缩减模型的训练时间。