多链路定位技术在大规模通信网络故障检测中的应用

研究提出一种多链路故障定位算法,以解决通信网络中复杂的链路故障定位问题。研究对当前的链路故障定位算法进行分析,对多链路故障定位问题中使用自适应探测技术的可能性进行探讨,采用一种基于2个探测站之间进行端到端测量的多链路故障定位算法。通过随机生成的网络拓扑结构与真实网络拓扑结构进行实验验证。结果显示,在随机生成的网络拓扑结构中,提出的算法具有0.90的成功定位率、1050元的探测成本。在真实网络拓扑结构中,算法的最高成功定位率为0.98。最低探测成本为28元。研究提出的多链路故障定位算法具有更高的成功定位率、更低的探测成本。

基于RoBERTa的电力领域词汇挖掘模型

针对中文电力领域词汇挖掘专业难度大、人工成本高的问题,本文利用深度学习技术,设计了一种结合大规模预训练语言模型、双向长短期记忆网络和条件随机场的电力领域词汇挖掘模型。该模型是一种不涉及任何特征工程的完全端到端的神经网络模型,其将RoBERTa模型继续在电力文本语料上预训练以进行领域自适应,同时利用长短期记忆网络整合文本上下文语义信息,并通过条件随机场对预测的标签序列进行约束进而优化实体识别效果。由于现有的电力领域词汇挖掘研究缺乏高质量的标注数据集资源,该文构建了一个具有一定规模的中文电力领域词汇挖掘标注数据集。该文在标注数据集上进行了一系列实验,实验结果验证了模型的有效性。