0 引言

    安全問題歷來是鐵路運(yùn)輸?shù)闹攸c(diǎn)關(guān)注問題，在鐵路安全監(jiān)控體系中，為減少運(yùn)營(yíng)過程中可能存在的安全隱患，減少設(shè)備故障，保障系統(tǒng)穩(wěn)定運(yùn)行，安全人員根據(jù)日常巡檢、專項(xiàng)巡檢、重大節(jié)假日排查等計(jì)劃定期到現(xiàn)場(chǎng)檢查存在的安全生產(chǎn)故障隱患，并將問題記錄為文本形式存儲(chǔ)。管理人員依據(jù)這些問題記錄，分析、總結(jié)與整改問題。在長(zhǎng)期形成的海量的安全問題文本文件中，采用文本分類技術(shù)將安全問題自動(dòng)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(lǐng)域的重要性日漸凸顯。

    一般來說，文本分類過程有以下3個(gè)步驟^[1]：預(yù)處理、文本表示和文本分類。其中，文本預(yù)處理包括分詞、去除停頓詞、去除不規(guī)則數(shù)據(jù)等。文本表示即將提取的文本特征轉(zhuǎn)換為計(jì)算機(jī)可處理的數(shù)據(jù)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(xué)習(xí)的Word2vec表示方法等^[2]。在構(gòu)造分類器時(shí)使用的技術(shù)大體包括單個(gè)的基分類器、集成分類器以及深度學(xué)習(xí)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(jī)森林，Boosting的主要算法是梯度提升樹。在深度學(xué)習(xí)領(lǐng)域，有基于深度信念網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)^[4-5]、循環(huán)神經(jīng)網(wǎng)絡(luò)等完成文本分類任務(wù)^[6]。

    目前，國(guó)內(nèi)學(xué)者在鐵路文本分析領(lǐng)域研究較多。王廣采用貝葉斯網(wǎng)絡(luò)的預(yù)測(cè)模型和自適應(yīng)增強(qiáng)算法(Adaptive Boosting，AdaBoost)的預(yù)測(cè)模型實(shí)現(xiàn)天氣相關(guān)的鐵路道岔故障預(yù)測(cè)^[7]；趙陽等以故障文本信息為依據(jù)，針對(duì)高鐵信號(hào)車載設(shè)備，提出貝葉斯結(jié)構(gòu)學(xué)習(xí)算法(HDBN_SL)^[8]；李佳奇等將面向Agent的分布式人工智能技術(shù)引入到信號(hào)設(shè)備故障診斷系統(tǒng)中^[9]；楊連報(bào)針對(duì)信號(hào)故障不平衡數(shù)據(jù)，采用SVM-SMOTE算法對(duì)TF-IDF轉(zhuǎn)換后的小類別文本向量數(shù)據(jù)隨機(jī)生成，分別采用基分類器和集成分類對(duì)數(shù)據(jù)進(jìn)行分類^[10]。本文處理安全問題為事故故障發(fā)生前人員檢查時(shí)發(fā)現(xiàn)的風(fēng)險(xiǎn)、隱患內(nèi)容，通常包括安全問題發(fā)生的時(shí)間、地點(diǎn)、問題描述等關(guān)鍵要素^[11]，所以針對(duì)每一類安全問題，存在特定的關(guān)鍵詞，本文在文本特征抽取上采用TF-IDF表示，針對(duì)Bagging集成分類器的基礎(chǔ)上，采用遺傳算法優(yōu)化，提升分類準(zhǔn)確性^[12]。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.jysgc.com/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(guó)鐵道科學(xué)研究院，北京100081；2.北京經(jīng)緯信息技術(shù)有限公司，北京100081)