基于深度学习的交通运输行业数据自动分级方法研究

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(convolutional neural networks,CNN)–双向门控循环单元(bidirectional gating recurrent unit,BiGRU)–胶囊网络（capsule network,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。