煤矿安全隐患信息自动分类方法

谢斌红, 马非 , 潘理虎, 张英俊

谢斌红，马非，潘理虎，等.煤矿安全隐患信息自动分类方法［J］.工矿自动化，2018,44（10）：10-14.. DOI: 10.13272/j.issn.1671-251x.2018050019
引用本文: 谢斌红，马非，潘理虎，等.煤矿安全隐患信息自动分类方法［J］.工矿自动化，2018,44（10）：10-14.. DOI: 10.13272/j.issn.1671-251x.2018050019
shu
XIE Binhong, MA Fei, PAN Lihu, ZHANG Yingjun. Automatic classification method of coal mine safety hidden danger informatio[J]. Journal of Mine Automation, 2018, 44(10): 10-14. DOI: 10.13272/j.issn.1671-251x.2018050019
Citation: XIE Binhong, MA Fei, PAN Lihu, ZHANG Yingjun. Automatic classification method of coal mine safety hidden danger informatio[J]. Journal of Mine Automation, 2018, 44(10): 10-14. DOI: 10.13272/j.issn.1671-251x.2018050019
shu

煤矿安全隐患信息自动分类方法

  • 1.

    太原科技大学 计算机科学与技术学院， 山西 太原030024

  • 2.

    中国科学院 地理科学与资源研究所， 北京100101

基金项目: 

山西省中科院科技合作项目（20141101001）

山西省社会发展科技攻关项目（20140313020-1）

详细信息

  • 中图分类号: TD67

Automatic classification method of coal mine safety hidden danger informatio

  • 1.

    Department of Computer Science and Technology, Taiyuan University of Science and Technology,Taiyuan 030024, China

  • 2.

    Institute of Geographic Science and Natural Resources Research, Chinese Academy of Science, Beijing 100101,China

摘要

    摘要
  • 摘要: 人工分类方式难以满足海量煤矿安全隐患信息的分类要求，而基于概率统计的文本自动分类方法分类准确率较低。针对上述问题，提出了一种基于Word2vec和卷积神经网络的煤矿安全隐患信息自动分类方法。首先对隐患信息进行分词、去停用词等预处理，然后应用Word2vec来表征词之间的语义相似性关系，最后利用卷积神经网络提取隐患信息的局部上下文高层特征，并使用Softmax分类器实现隐患信息的自动分类。实验结果表明，该方法实现了端到端的自动分类，可有效提升分类的准确性和全面性。
    Abstract: Manual classification method is difficult to meet classification requirements of massive coal mine safety hidden danger information, and automatic text classification method based on probability statistics has low classification accuracy rate. In view of the above problems, an automatic classification method of coal mine safety hidden danger information was proposed which was based on Word2vec and convolutional neural network. Firstly, hidden danger information is pre-processed through word segmentation and stop word deletion. Then semantic similarity between words is represented by employing Word2vec. Finally, local context high-level features of hidden danger information are extracted by use of convolutional neural network, and Softmax classifier is used to realize automatic classification of hidden danger information. The experimental results show that the method realizes end-to-end automatic classification and can effectively improve accuracy and comprehensiveness of classification.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(27)

  • 期刊类型引用(11)

    1. 王忠宾，司垒，魏东，戴剑博，顾进恒，邹筱瑜，张聪，闫海峰，谭超. 煤矿防冲钻孔机器人全自主钻进系统关键技术. 煤炭学报. 2024(02): 1240-1258 . 百度学术
    2. 孙逍远，薄煜明. 基于多视觉传感器的矿井移动机器人目标定位模型研究. 金属矿山. 2024(11): 199-204 . 百度学术
    3. 马宏伟，苏浩，薛旭升，李超，郭逸风，王星，周文剑，崔闻达，喻祖坤，成佳帅. 煤矿井下移动机器人激光标靶定位方法研究. 煤炭科学技术. 2024(11): 60-73 . 百度学术
    4. 巩师鑫，赵国瑞，王飞. 机器视觉感知理论与技术在煤炭工业领域应用进展综述. 工矿自动化. 2023(05): 7-21 . 本站查看
    5. 李尧，桂方俊. 基于EfficientNet和LSTM的井下设备定位技术. 信息记录材料. 2023(05): 121-123+126 . 百度学术
    6. 王忠宾，司垒，王浩，张修峰，赵世豪，魏东，谭超，闫海峰. 基于空间阵列式惯性单元的防冲钻孔机器人位姿解算方法. 煤炭学报. 2022(01): 598-610 . 百度学术
    7. 司垒，王忠宾，王浩，魏东，谭超. 基于惯性传感组件和BP神经网络的防冲钻孔机器人钻具姿态解算. 仪器仪表学报. 2022(04): 213-223 . 百度学术
    8. 常波峰，郭奋超，刘欣，石超，赵国辉，范国涛. 采煤机与液压支架相对位置精确检测技术研究. 煤矿机械. 2022(10): 39-41 . 百度学术
    9. 马宏伟，晁勇，薛旭升，毛清华，王川伟. 基于双目视觉的掘锚机器人行驶位移检测方法. 工矿自动化. 2022(12): 16-25 . 本站查看
    10. 李慧. 副井井口自动化运输系统研究. 工矿自动化. 2021(06): 124-127+132 . 本站查看
    11. 赵海发. 基于视觉的煤块自动搬运系统设计. 煤炭技术. 2021(11): 205-207 . 百度学术

    其他类型引用(16)

    • 资源附件(0)
计量
  • 文章访问数:  61
  • HTML全文浏览量:  12
  • PDF下载量:  15
  • 被引次数: 27
出版历程
  • 刊出日期:  2018-10-09

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(27)
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1253808    百度统计