费清春，史莹莹，曾庆国

(1.南京电子技术研究所，江苏 南京210039；2.工业和信息化部电子第五研究所，广东 广州511300)

0 引言

随着计算机技术的快速发展，企业建立了产品质量问题处理信息系统，存储了大量的产品质量问题处理历史记录。产品质量改进通常是建立在产品质量问题数据分析的基础上，将质量问题快速、准确地自动归类为不同的故障模式，对于促进企业识别质量问题关键因素，推动产品质量改进具有十分重要的现实意义。如何将成千上万，甚至是几十万条质量问题数据按照故障模式自动分类，单凭专家筛选、甄别和分类，是一个巨量的、难以短时间完成的任务，成为了亟需解决的实际问题。以关键词检索等自动化程度较低的人机协作模式开展质量问题分类，结果存在大量的误报和漏报，不能满足实际使用的需要。

运用大数据技术，分析挖掘产品质量问题数据，能够为产品质量改进的技术创新提供有效的技术支持[1]。当前，计算机领域已形成了中文分词、文本挖掘等自然语言处理技术，在此背景下，本文重点聚焦装备质量问题文本数据的故障模式自动分类方法展开研究。

1 相关研究

在计算机文本挖掘方面，Kenter等人[2]合并由相同算法、语料库、参数设置得到的不同维度词向量，训练出分类模型，并利用此分类模型计算短文本问题之间的相似度；Kusner等人[3]基于词与词之间的最小移动距离，求解问题文本之间的文档相似度；孟繁宇[4]则将基于检索词的摘要提取问题转化为文本聚类问题，利用提取式摘要抽取方法，对文档的主要特征进行向量化抽取和去冗余等操作。……