程彭圣男，刘雪梅，李海瑞

（华北水利水电大学信息工程学院，河南 郑州 450046）

0 引 言

输水工程具有线路长、道路河流交叉、沿线地质条件复杂的特点［1，2］。在长期的运行过程中，事故率较高会给沿岸居民和输水工程安全造成影响。巡检人员每日巡检记录了大量的巡检文本［3，4］。这些文本数据被非结构化的格式存入后台，难以发挥价值。另一方面，大量的巡检文本需要管理人员人工标注并按照问题的严重等级分类，通常分为II类、III类和其他类，其中II 类表示较为严重问题，III 类表示一般问题，其他类表示普通问题如卫生问题。这种人工标注方式效率较低，费时费力，且每个管理人员经验知识不同，对于问题的分类分级具有一定的主观性问题，使得分类准确性收到一定影响。智能分类技术可以有效减轻人工分类的工作量，并在保证分类准确率的同时一定程度上减少分类时的主观性问题。智能分类也可以保证巡检文本中的问题能被及时发现并上报。

传统的机器学习文本分类模型往往采用机器学习方法，如决策树［5］、K 均值聚类算法（K-means）［6］、贝叶斯［7］、支持向量机［8］等浅层机器学习方法。近年来，随着深度学习在自然语言处理领域的应用，基于深度学习的文本分类模型得到发展并应用到多个领域，廖胜兰等［9］建立循环卷积神经网络（Text-RCNN），对电力文本进行分类，取得了较高准确率；胡万亭等［10］基于加权词向量设计了一种卷积神经网络（CNN），算例表明该模型准确率优于传统CNN模型；……