融合数据增强与集成学习的IT运维数据分类方法
刘鑫泉
徐建
南京理工大学计算机科学与工程学院 南京 210094
摘要：智能运维的飞速发展对IT运维数据的自动化分类产生了巨大的需求,基于深度学习的文本分类方法取得了比传统机器学习方法更好的效果.然而,对于不平衡数据集的文本分类仍然面临挑战,且单一的神经网络模型无法提取并综合文本中多维度的信息.鉴于此,论文提出了一种融合数据增强与集成学习的IT运维数据分类方法.该方法提出了一种基于TF-IDF关键词提取算法的文本数据增强方法,并通过将少样本类别进行文本数据增强得到相对平衡的训练数据集,此外以TextCNN、TextRCNN和FastText作为基分类器,分别进行训练和预测,将所得概率以软投票法为结合策略进行集成,得到IT运维数据分类模型.理论分析以及实验结果表明,与传统分类方法相比,该分类方法有效解决了数据不平衡问题,取得了良好的分类效果.
关键词：文本分类智能运维数据增强深度学习集成学习
分类号：TP3(计算技术、计算机技术)TN9(电子技术、通信技术)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3579-3584 )
英文信息