DOI:10.11991/yykj.202305020网络出版地址：https://link.cnki.net/urlid/23.1191.u.20231220.1016.002基于深度学习的交通运输行业数据自动分级方法研究王继晔1，张少博2，叶润泽3，张绍阳21.陕西省交通运行监测中心，陕西西安7100752.长安大学信息工程学院，陕西西安7100643.西安电子科技大学党委组织部，陕西西安710071摘要：为促进交通运输行业信息系统互联、保障数据安全，进而推动行业健康发展，本文对交通运输行业中的数据共享和自动分级方法进行研究。本文基于卷积神经网络(convolutionalneuralnetworks，CNN)–双向门控循环单元(bidirectionalgatingrecurrentunit，BiGRU)–胶囊网络（capsulenetwork，CapsNet）模型的数据类别判定方法，设计并实现了交通运输信息资源目录系统中数据的自动分级模块，完成了行业领域下的数据自动分级。实验结果表明本文算法的准确率和F1值分别达到了70.48%和70.16%，明显高于现有的几种主流模型，可以有效提高数据分级的效率。关键词：交通运输行业；数据共享；数据安全；数据分级；深度学习；卷积神经网络；双向门控循环单元；胶囊网络中图分类号：TP399文献标志码：A文章编号：1009−671X(2024)02−0145−06ResearchonautomaticclassificationmethodoftransportationindustrydatabasedondeeplearningWANGJiye1,ZHANGShaobo2,YERunze3,ZHANGShaoyang21.ShaanxiProvincialTransportationOperationMonitoringCenter,Xi'an710075,China2.SchoolofInformationEngineering,Chang'anUniversity,Xi'an710064,China3.OrganizationDepartmentofTheCPCXidianUniversityCommittee,XidianUniversity,Xi'an710071,ChinaAbstract:Topromotetheinterconnectionofinformationsystemsinthetransportationindustry,ensuredatasecurity,andfurtherpromotehealthydevelopmentoftheindustry,thispaperstudiesdatasharingandautomaticclassificationmethodsinthetransportationindustry.Basedonthedataclassificationmethodofconvolutionalneuralnetwork-bidirectionalgatingrecurrentunit-capsulenetwork(CNN-BiGRU-CapsNet)model,thispaperdesignsandimplementstheautomaticdataclassificationmoduleinthetransportationinformationresourcedirectorysystem,andcompletestheautomaticclassificationofdataintheindustryfield.TheexperimentalresultsshowthattheaccuracyandF1scoreoftheproposedalgorithmhavereached70.48%and70...
