面向售后服务文本的空调现场失效数据CAP-GRU智能挖掘

摘要

空调售后服务文本信息中蕴含着极为丰富的反映其现场可靠性的现场失效数据。为解决目前基于人力的数据挖掘存在的效率低下和质量无法保证的问题，提出基于深度学习的智能挖掘方法。该方法遵循基于空调失效判据的现场失效数据挖掘流程，将门控循环单元（gated recurrent unit,GRU）和胶囊网络（capsule neural network,CAP）两种各具特点的提取特征信息的深度学习技术并行集成，构建现场失效数据的智能挖掘模型，设计基于GRU、CAP两种算法的损失函数值的动态融合机制。某空调企业三款家用空调现场失效数据的挖掘应用结果表明，数据挖掘的准确率和调和平均数的最小值分别为97.78%和97.69%，能够满足现场可靠性评估的要求。

关键词

现场失效数据 / 文本信息挖掘 / 门控循环单元 / 胶囊网络 / 空调