| 基于改进LDA的水电工程进度管理文本智能分析 |
| |
| 引用本文： | 李明超,吕沅庚,田丹,沈扬.基于改进LDA的水电工程进度管理文本智能分析[J].水力发电学报,2022,41(3):133-141. |
| |
| 作者姓名： | 李明超 吕沅庚 田丹 沈扬 |
| |
| 摘 要： | 进度控制是水电工程管理的重要任务，及时总结进度管理信息有助于工程进度计划的制定与调整。水电工程建设中的进度信息多以半结构化、非结构化的文本形式呈现，增加了信息提取难度，实现水电工程进度文本信息自动化与智能化挖掘是当前亟待解决的问题。本文提出基于改进LDA的水电工程进度信息智能提取方法，智能提取进度管理文本中的关键信息。该方法基于传统LDA模型针对吉布斯采样机制，充分考虑词语间的关联关系，将原有随机单个采样过程改进为以共现度为基准的词对采样，强化了词语间的语义关联，提高了主题词语间的紧密性以及主题词语对主题描述的准确性。将所提出的方法应用于实际水电工程，对221份水电工程施工监理周报进行分析，共提取12个主题的工序关键词，并依照计算结果提取出主副工序；结果表明，改进LDA主题模型在水电工程进度文本工序特征词提取效果优于传统LDA主题模型，有助于提高工程施工进度关键工序词提取与信息挖掘效率，为水电工程施工智能化管理提供了新的手段。
|
| 关 键 词： | 水电工程 施工进度 关键词提取 改进LDA主题模型 共现度 文本智能分析 |
Intelligent text analysis of hydropower project progress management based on improved LDA |
| |
| LI Mingchao,LV Yuangeng,TIAN Dan,SHEN Yang.Intelligent text analysis of hydropower project progress management based on improved LDA[J].Journal of Hydroelectric Engineering,2022,41(3):133-141. |
| |
| Authors: | LI Mingchao LV Yuangeng TIAN Dan SHEN Yang |
| |
| Abstract: | |
| |
| Keywords: | hydropower project construction progress keyword extraction improved-LDA topic model co-occurrence text intelligence analysis |
|
| 点击此处可从《水力发电学报》浏览原始摘要信息 |
|
点击此处可从《水力发电学报》下载全文 |
