一种基于文本挖掘的方法,以全面了解中国铁路运营设备故障报告
Xiaorui Yang1, Honghui Li2, Yi Xu1
1School of Computer Science and Technology, Beijing Jiaotong University, Beijing, 100044, China.
Scientific reports
|July 30, 2025
概括
通过使用先进的文本挖掘分析历史铁路运营设备故障报告,这项研究构建了一个知识图表,以揭示故障因素关系,增强铁路安全和预测能力.
科学领域:
- 铁路工程 铁路工程是指铁路工程.
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 铁路运营设备故障对安全和效率构成风险.
- 分析历史故障报告对于提高铁路安全至关重要,但面临着文本挖掘的局限性.
研究的目的:
- 为了解决分析铁路运行设备故障 (ROEF) 报告的局限性.
- 为ROEF报告分析开发一种先进的文本挖掘方法.
- 构建知识图,以可视化与ROEF相关的实体和关系.
主要方法:
- 利用来自中国铁路局的历史ROEF报告.
- 开发了一个命名实体识别 (NER) 模型,将BERT,BiLSTM和CRF与注意层相结合.
- 使用Neo4j构建了一个知识图,用于存储和可视化提取的数据.
主要成果:
- 从非结构化的ROEF报告中成功提取了关键实体和关系.
- 构建了一个知识图,说明ROEF因子的拓关系.
- 展示了分析和可视化历史失败模式的潜力.
结论:
- 拟议的文本挖掘和知识图表方法有效地分析了ROEF报告.
- 这种方法增强了对故障因子相互依存性的理解,有助于故障预测.
- 该研究填补了铁路运营设备故障数据的挖掘和分析的关键缺口,有助于提高铁路安全.
更多相关视频
09:20Cloud-Based Phrase Mining and Analysis of User-Defined Phrase-Category Association in Biomedical Publications
Published on: February 23, 2019
8.8K
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
16.0K
