بهبود كارايي تشخيص خطا در سيستم هاي راه آهن با تلفيق ويژگي هاي نحوي و معنايي

حجم زيادي از اطلاعات متني در قالب الفاظ تعميري در بخش هاي نگهداري راه آهن ثبت شده است. استخراج كارامد دانش از طريق متن كاوي در اطلاعات نگهداري شده نقش مهمي را در تشخيص ناهنجاري ها و بهبود كارايي تشخيص خطا دارد. با اين وجود، همچنان الفاظ غير ساخت يافته، داده هاي با ابعاد بالا و توزيع ناهمگون كلاس هاي خطا چالش هايي را براي انتخاب ويژگي وتشخيص خطا به ارمغان مي آورند. براي رفع اين چالش ها، روشي جهت تلفيق ويژگي هاي استخراج شده در سطح نحو و معنا از متن پيشنهاد داديم، به طوريكه باعث بهبود عملكرد دسته بندي خطامي شود. براي اين منظور از تلفيق ويژگي هاي استخراج شده توسط الگوريتم هاي LDA و SVD بهره برده ايم. نتايج تجربي نشان داد با اعمال روش پيشنهادي برروي مجموعه داده هاي واقعي از يك شركت راه آهن، در بخش هاي مختلف كلاس خطا بخصوص در نمونه هاي اقليت آن عملكرد بهتري نسبت به روش هاي پايه حاصل شد.