基于BERT与BiLSTM的铁路安监文本分类方法

摘要

安全是铁路的生命线,目前铁路安全监察采用发牌制度,进行安全质量考核管理,实现管理人员发牌、定责、整改、销号的闭环管理。但是,安全检查发牌过程存在着问题定位不准、分类模糊等问题。针对上述问题,结合现有的人工智能文本分类技术,试图实现自动分类,提高分类准确率,具有现实意义。提出基于BERT与BiLSTM的铁路安监文本分类模型,在字向量训练阶段使用BERT模型代替传统的Skip-Grams和CBOW模型,提升了字向量的表征能力进而提高了文本分类的准确率,与现有的基于词汇特征的TextCNN方法,基于深度学习的BiLSTM-attention方法相比,精确率和F1值显著提高。