بهبود کارایی تشخیص خطا در سیستم های راه آهن با تلفیق ویژگی های نحوی و معنایی

حجم زیادی از اطلاعات متنی در قالب الفاظ تعمیری در بخش های نگهداری راه آهن ثبت شده است. استخراج کارامد دانش از طریق متن کاوی در اطلاعات نگهداری شده نقش مهمی را در تشخیص ناهنجاری ها و بهبود کارایی تشخیص خطا دارد. با این وجود، هم چنان الفاظ غیر ساخت یافته، داده های با ابعاد بالا و توزیع ناهمگون کلاس های خطا چالش هایی را برای انتخاب ویژگی و تشخیص خطا به ارمغان می آورند. برای رفع این چالش ها، روشی جهت تلفیق ویژگی های استخراج شده در سطح نحو و معنا از متن پیشنهاد دادیم، به طوریکه باعث بهبود عملکرد دسته بندی خطا می شود. برای این منظور از تلفیق ویژگی های استخراج شده توسط الگوریتم های lda , svd بهره برده ایم. نتایج تجربی نشان داد با اعمال روش پیشنهادی برروی مجموعه داده های واقعی از یک شرکت راه آهن، در بخش های مختلف کلاس خطا بخصوص در نمونه های اقلیت آن عملکرد بهتری نسبت به روش های پایه حاصل شد.