| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第17-29页 |
| 1.1 研究背景及意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-25页 |
| 1.3 研究内容 | 第25-26页 |
| 1.4 组织结构 | 第26-28页 |
| 1.5 本章小结 | 第28-29页 |
| 2 铁路事故故障文本大数据分析应用总体设计 | 第29-41页 |
| 2.1 总体架构 | 第29-31页 |
| 2.2 技术架构 | 第31-33页 |
| 2.3 功能架构 | 第33-35页 |
| 2.4 关键技术 | 第35-39页 |
| 2.5 本章小结 | 第39-41页 |
| 3 基于ES的铁路事故故障文本分布式全文检索 | 第41-49页 |
| 3.1 基于ES的铁路事故故障文本全文检索整体架构 | 第41-42页 |
| 3.2 基于ES的铁路事故故障文本全文检索 | 第42-45页 |
| 3.3 融合文本结构及正则表达式的特征提取 | 第45-46页 |
| 3.4 实验分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于Bi-LSTM+CRF的铁路事故故障文本特征提取 | 第49-63页 |
| 4.1 基于Bi-LSTM+CRF的铁路事故故障文本特征提取整体架构 | 第49-51页 |
| 4.2 铁路事故故障文本语料标注与词向量生成 | 第51-55页 |
| 4.3 基于Bi-LSTM+CRF的铁路事故故障特征提取模型构建 | 第55-59页 |
| 4.4 实验分析 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 5 基于不平衡文本数据挖掘的铁路事故故障智能分类 | 第63-75页 |
| 5.1 铁路不平衡事故故障智能分类整体架构 | 第63-65页 |
| 5.2 不平衡故障文本数据处理 | 第65-66页 |
| 5.3 基于Voting的多分类器集成学习故障智能分类模型 | 第66-69页 |
| 5.4 实验分析 | 第69-74页 |
| 5.5 本章小结 | 第74-75页 |
| 6 基于知识图谱的铁路事故故障关联与原因推荐分析 | 第75-87页 |
| 6.1 基于知识图谱的铁路事故故障关联及原因推荐分析整体架构 | 第75-77页 |
| 6.2 铁路事故故障知识图谱的构建 | 第77-80页 |
| 6.3 融合知识图谱与协同过滤的铁路事故故障关联与原因推荐分析 | 第80-83页 |
| 6.4 实验分析 | 第83-85页 |
| 6.5 本章小结 | 第85-87页 |
| 7 某铁路局事故故障文本大数据应用研究 | 第87-101页 |
| 7.1 全文检索RestfulAPI接口设计 | 第87-89页 |
| 7.2 文本大数据分析可编程数据模型设计 | 第89-90页 |
| 7.3 事故故障文本大数据分析功能实现 | 第90-99页 |
| 7.4 本章小结 | 第99-101页 |
| 8 结论 | 第101-103页 |
| 8.1 主要创新点 | 第101-102页 |
| 8.2 未来工作展望 | 第102-103页 |
| 参考文献 | 第103-113页 |
| 作者简历及科研成果 | 第113-117页 |
| 学位论文数据集 | 第117页 |
