인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Aiming at the challenge of lack of effective application of massive power operation text data, this paper proposes a graph convolutional neural network processing method including power speech text data responsible for text analysis. After pre-processing the electric power speech text, the word frequency-inverse document frequency (TF-IDF) algorithm is further used to extract the electric power operation text feature items. The power operation information model based on text data feature recognition is comprehensively designed. The recognition and classification results of power speech text data are verified through experiments on power data text datasets. The experimental results show that the accuracy of text classification of the topic model based on TF graph convolutional neural network is 76.4%. The recall rate is 75.2% and the F1 value is 75.8%, which is 3% higher than the accuracy rate of graph convolutional neural network text classification method and 3. 4% higher than the recall rate, 3.2% higher than the F1 value, and 3.2% higher than the Labeled-LDA model text classification method. The feature extraction method improves the text classification accuracy by 3.5%, recall by 1% and F1 value by 2.3%.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092097098
