ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】针对电力行业高压客户业务扩充工程中对海量文档的自动化处理需求，本文提出了一种改进的转换器（Ｔｒａｎｓｆｏｒｍｅｒ）模型方法。 该研究在位置编码、注意力机制及多模态融合 ３ 个层面进行了针对性优化，并在大规模异构文档集上进行了系统性实验。 结果显示：相比传统深度学习模型和原始 Ｔｒａｎｓｆｏｒｍｅｒ，改进模型在准确率、精确率、召回率与 Ｆ１ 分数等指标上均取得了显著提升，为电力行业文档的高效利用奠定了可靠的技术支撑，同时也为其他领域的文档识别与分类任务提供了可行的参考路径。
