基于改进FastText算法的整车检测质量问题判定

Determination Method of Vehicle Quality Inspection Problem Based on Improved FastText Algorithm

对于整车检测时发现的质量问题,终检人员在进行责任部门判定时,存在耗时长、精度低问题,为此提出一种基于改进FastText算法的整车检测质量问题判定方法。将2020年整车生产中75 238条不良数据作为数据集,进行数据预处理后,将其作为FastText模型训练词向量,引入TFIDF(Term Frequency Inverse Document Frequency,词频逆文本频率)模型计算词语权重,并将其与词向量计算值输入SVM(Support Vector Machine,支持向量机)模型,通过Grid Search方法找出最优参数,此方法分类精度达到0.89;为验证方法的有效性,从算法运行时间和分类精度方面,将其与传统FastText算法、Word2Vec-SVM算法、Word2Vec-LR算法进行比较,确认所提出方法更为有效。