高 凡,李 樊,张 铭,王志飞,赵俊华

(1.中国铁道科学研究院 研究生部，北京 100081;2.中国铁道科学研究院集团有限公司，北京 100081; 3.北京经纬信息技术有限公司，北京 100081)

0 引言

高速铁路信号设备是保障高速铁路行车安全的重要基础设施[1]，随着高速铁路运营里程的积累，产生了海量的信号设备故障数据，这些故障数据大多以非结构化文本的形式存储，该数据蕴含了高速铁路安全的重要信息，长期由业务人员根据经验对数据进行故障设备诊断与分类，由于高速铁路中存在众多不同类型的信号设备，设备故障类型多，且设备与故障原因的隶属关系严谨，为深入开展高速铁路故障数据分析工作，需要对故障数据进行多级分类，而人工进行多级分类工作容易造成分类的不准确性，在智慧铁路和铁路大数据的建设下，亟需研究基于文本挖掘的机器学习算法，实现高速铁路信号故障设备的多级分类。

多级别分类方法包括自上而下分类、全局分类和收缩分类方法[2-3]，高速铁路信号设备故障多级分类，采用自上而下分类方法中分而治之的策略，将设备故障多级分类问题分解为单层分类问题，通过设计单级分类模型得出每一级别的分类结果，最后通过多任务协作决策树投票策略，将各级的分类结果进行汇集与隶属关系矫正，实现信号设备故障的多级分类。

采用铁路安全文本特征提取和单层分类模型的研究方法，设计高速铁路信号设备故障多级分类模型[4]。……