融合用户在线评论的新能源汽车故障信息获取方法研究.pdfVIP

摘要

摘要

近年来，在国家政策的大力支持下，我国新能源汽车产业快速发展，在全球新

能源汽车市场中占据了较高份额。新能源汽车具有使用成本低、环保等优点，然

而，新闻中频繁报道的新能源汽车事故也让消费者对其安全性能产生了怀疑。据

市场调研机构国际数据公司指出，目前新能源汽车市场仍存在电池衰减与安全性

问题。传统的产品故障发现渠道主要包括出厂后的市场调研、用户走访以及人工

检测等，通过这些渠道获取的产品故障信息往往经历漫长的审核然后被存入企业

内部的结构化数据库中，因此面临样本储备不足、信息反馈迟缓、可视化查询困

难等问题。相对于传统数据获取方式，以“汽车之家”为代表的社交媒体上的用户

在线评论更具及时性、新颖性、也更丰富，正逐渐发展为企业获取产品故障信息

的一个重要来源，这为新能源汽车的故障发现与诊断提供了新的途径。但另一方

面，社交媒体上的评论数据数量庞大且非结构化，如何从海量文本中筛选出描述

新能源汽车故障的内容并加以合理利用，仍是一项艰巨的任务。因此，本文以新

能源汽车故障模式为研究对象，通过对用户在线评论和维修案例的综合分析，利

用文本挖掘技术建立新能源汽车故障知识图谱，挖掘新能源汽车故障模式，为新

能源汽车故障诊断和功能优化提供决策支持。本文的主要内容如下：

首先，从评论中提取描述产品故障信息要对评论文本进行分类。由于故障类

别发生频次不一致，且用户可能在一条评论中描述多个故障现象，因此对用户评

论的故障分类可以视为长尾多标签分类。而在长尾分布数据的不平衡状态下，特

征学习和分类器学习的效果均会受到不同程度的干扰。本文构建了基于双分支的

深度学习网络，结合迁移学习策略，同时训练两个分支，让模型能够兼顾数据的

表示学习和分类学习。通过“汽车之家”网站评论真实数据进行模型有效性验证。

其次，为了进一步获取故障信息，需要对故障追根溯源，以帮助企业实施故

障诊断，因此本文进一步获取了维修案例数据。一方面，用户评论从消费者视角

描述了故障表现，另一方面，维修案例作为汽车专业知识，从维修厂专业角度解

释了故障发生的原因。通过不同数据源的结合使用，扩充了数据的丰富性。本文

构建了实体关系联合抽取模型，从文本数据中提取出具体的实体和关系，分别构

建出了故障现象知识图谱和故障原因知识图谱。在知识融合方面，自然语言表达

本身有着复杂的语义结构和多义性，因此本文设计了两阶段的实体对齐方法，实

现两个知识图谱的对齐，最终构建出了新能源汽车故障知识图谱。结合失效模式

与效应分析（FMEA,FailureModeandEffectAnalysis）方法，本文设计了基于知识

I

摘要

图谱和聚类分析的故障模式信息提取方法，推理总结出新能源汽车故障模式，为

企业质量管理风险评估提供参考。

综上所述，本文在新能源汽车维修案例数据的基础上，融合用户在线评论，分

析了文本的特点。通过利用深度学习方法，设计了文本分类模型，并构建了新能

源汽车故障知识图谱，从中提取出了新能源汽车故障模式。本文的相关方法不仅

拓展了相关理论研究，并且为汽车质量管理提供决策依据。

关键词：用户在线评论，文本分类，知识图谱，深度学习，故障模式

II

ABSTRACT

ABSTRACT

Inrecentyears,withstrongsupportfromnationalpolicies,China’snewenergyvehi-

cleindustryhasdevelopedrapidly,occupyingasignificantshareintheglobalnewenergy

vehiclemarket.Newenergyvehicleshaveadvantagessuchaslowoperatingcostsand

environmentalfriendliness.However,frequentreportsofaccidentsinvolvingnewenergy

vehi