基于自然语言处理的隐患分析系统的设计与实现
发布时间:2022-01-25 11:10
白鹤滩水电站是仅次于三峡水电站的中国第二大水电站。其建设中出现的安全生产问题也得到了重视。树立正确的安全意识是水电站全体员工的工作重心,也是保障水电站安全生产的措施之一。随着社会的进步和科技的发展,除了生产以外,安全问题同样是水电站主要解决的问题。最大程度的避免水电站正常运行过程中的安全隐患,是对员工安全问题的承诺,也是水电站正常顺利运行的基础。目前,需要对大量现场施工安全隐患数据进行挖掘和分析,从而有效地规避非安全因素。自然语言处理是人工智能领域中的一个重要方向,是一门融语言学、计算机科学、数学于一体的科学,它主要研究各种方法来实现人与计算机之间用自然语言进行通信。如今面向自然语言的深度学习研究,在文本分类、情感分析、语法分析、机器翻译等领域取得了很大成就,为利用面向自然语言的安全隐患数据挖掘提供了可行性。本隐患分析系统,基于Python语言开发,采用了主流的开源机器学习框架TensorFlow和深度学习的代表算法——卷积神经网络(CNN)。系统主要包括高频词汇展示、典型隐患识别和隐患属性分类三大功能模块。其中高频词汇展示用来将大量隐患记录中统计出来的高频词语通过词云图进行展现;典型...
【文章来源】:华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】:68 页
【学位级别】:硕士
【部分图文】:
trie和DAG应用实例图
中 科 技 大 学 硕 士 学 位神经网络中,卷积神经网络是研究最深入的,卷,即动物的神经元只会处理一小块区域的视觉核[25-26]。之后神经认知机的概念被提出,它包含 CNN 中的激励函数;另一类是 S-cell,相当于 C着 GPU 的发展,使得卷积神经网络研究取得了很图像识别领域取得了很高的成绩,不仅使得自脸识别、交通标志检测和物体检测等领域也有网络的每个单元,神经网络如图 2-3 所示。
科 技 大 学 硕 士 学 位图 2-4 含隐藏层的神经网络图络经网络的方式,对一张图片进行分类,需要的于图像处理,想要使用神经网络进行训练,必神经网络。联系的比较紧密,往往会体现出某些特征,而个神经元只需对局部区域进行感知,而不需要接如图 2-5 所示,神经网络局部连接如图 2-6
【参考文献】:
期刊论文
[1]主题领域研究热点跟踪及趋势预测的可视化分析方法研究[J]. 陈勇跃,田文芳,吴金红. 情报理论与实践. 2017(06)
[2]基于卷积神经网络模型的互联网短文本情感分类[J]. 刘小明,张英,郑秋生. 计算机与现代化. 2017(04)
[3]基于CP-CNN的中文短文本分类研究[J]. 余本功,张连彬. 计算机应用研究. 2018(04)
[4]基于word2vec的互联网商品评论情感倾向研究[J]. 黄仁,张卫. 计算机科学. 2016(S1)
[5]基于互信息改进算法的新词发现对中文分词系统改进[J]. 杜丽萍,李晓戈,于根,刘春丽,刘睿. 北京大学学报(自然科学版). 2016(01)
[6]基于加权关键词共现时间元的个性化学术研究时序路径发现及其可视化呈现方法[J]. 李树青,孙颖. 情报学报. 2014 (01)
[7]科技论文关键词特征及其对共词分析的影响[J]. 胡昌平,陈果. 情报学报. 2014 (01)
[8]基于多步聚类的汉语命名实体识别和歧义消解[J]. 李广一,王厚峰. 中文信息学报. 2013(05)
[9]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松. 中文信息学报. 2012(01)
[10]中文分词中组合型切分歧义的消解研究[J]. 尤慧丽,晏立,杨晓东. 计算机工程与应用. 2011(31)
本文编号:3608431
【文章来源】:华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】:68 页
【学位级别】:硕士
【部分图文】:
trie和DAG应用实例图
中 科 技 大 学 硕 士 学 位神经网络中,卷积神经网络是研究最深入的,卷,即动物的神经元只会处理一小块区域的视觉核[25-26]。之后神经认知机的概念被提出,它包含 CNN 中的激励函数;另一类是 S-cell,相当于 C着 GPU 的发展,使得卷积神经网络研究取得了很图像识别领域取得了很高的成绩,不仅使得自脸识别、交通标志检测和物体检测等领域也有网络的每个单元,神经网络如图 2-3 所示。
科 技 大 学 硕 士 学 位图 2-4 含隐藏层的神经网络图络经网络的方式,对一张图片进行分类,需要的于图像处理,想要使用神经网络进行训练,必神经网络。联系的比较紧密,往往会体现出某些特征,而个神经元只需对局部区域进行感知,而不需要接如图 2-5 所示,神经网络局部连接如图 2-6
【参考文献】:
期刊论文
[1]主题领域研究热点跟踪及趋势预测的可视化分析方法研究[J]. 陈勇跃,田文芳,吴金红. 情报理论与实践. 2017(06)
[2]基于卷积神经网络模型的互联网短文本情感分类[J]. 刘小明,张英,郑秋生. 计算机与现代化. 2017(04)
[3]基于CP-CNN的中文短文本分类研究[J]. 余本功,张连彬. 计算机应用研究. 2018(04)
[4]基于word2vec的互联网商品评论情感倾向研究[J]. 黄仁,张卫. 计算机科学. 2016(S1)
[5]基于互信息改进算法的新词发现对中文分词系统改进[J]. 杜丽萍,李晓戈,于根,刘春丽,刘睿. 北京大学学报(自然科学版). 2016(01)
[6]基于加权关键词共现时间元的个性化学术研究时序路径发现及其可视化呈现方法[J]. 李树青,孙颖. 情报学报. 2014 (01)
[7]科技论文关键词特征及其对共词分析的影响[J]. 胡昌平,陈果. 情报学报. 2014 (01)
[8]基于多步聚类的汉语命名实体识别和歧义消解[J]. 李广一,王厚峰. 中文信息学报. 2013(05)
[9]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松. 中文信息学报. 2012(01)
[10]中文分词中组合型切分歧义的消解研究[J]. 尤慧丽,晏立,杨晓东. 计算机工程与应用. 2011(31)
本文编号:3608431
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3608431.html