سینا دامی - استادیار، دانشگاه آزاد اسلامی واحد تهران غرب، گروه کامپیوتر، تهران، ایران،
میثم دربندی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران غرب، گروه کامپیوتر، تهران، ایران

حجم زیادی از اطلاعات متنی در قالب الفاظ تعمیری در بخشهای نگهداری راهآهن ثبت شده است. استخراج کارامد دانش از طریق متن کاوی در اطلاعات نگهداری شده نقش مهمی را در تشخیص ناهنجاریها و بهبود کارایی تشخیص خطا دارد. با این وجود، همچنان الفاظ غیر ساختیافته، دادههای با ابعاد بالا و توزیعناهمگون کلاسهای خطا چالشهایی را برای انتخاب ویژگی وتشخیص خطا به ارمغان میآورند. برای رفع این چالشها، روشی جهت تلفیق ویژگیهای استخراج شده در سطح نحو و معنا از متن پیشنهاد دادیم، به طوریکه باعث بهبود عملکرد دسته بندی خطامیشود. برای این منظور از تلفیق ویژگیهای استخراج شده توسط الگوریتمهای LDA و SVD بهره بردهایم. نتایج تجربی نشان داد با اعمال روش پیشنهادی برروی مجموعه دادههای واقعی از یک شرکت راهآهن، در بخشهای مختلف کلاس خطا بخصوص در نمونههایاقلیت آن عملکرد بهتری نسبت به روشهای پایه حاصل شد.

تشخیص خطا، سیستم راهآهن، متن کاوی، استخراج ویژگی ، تلفیق ویژگی