基于模糊自然语言处理的铁路CTC接口文本智能测试方法

Abstract

模糊自然语言处理将模糊理论应用在自然语言处理（NLP）的任务中，随着大模型与人工智能的不断发展，有关文本数据的研究不断深化。铁路调度集中控制（CTC）系统作为大型复杂系统，各子系统、服务器软件间的接口数据均以日志文本格式存储与传输。由于其具有文本数量多、文本类型杂等特点，提出了一种模糊自然语言处理的方法，解决CTC系统接口数据的人工测试难题。模糊C均值（FCM）聚类算法将日志文本分为不同的标签类别，并将其作为NLP任务中命名实体识别的标签输入，在传统BiLSTM-CRF模型上引入BERT进行文本编码，更准确地理解文本之间的关系并提高文本识别的精确度。根据前序训练模型，研发了铁路CTC系统日志文本接口测试的智能验证工具，其可以改善目前CTC系统的人工测试现状，帮助测试人员进行接口测试验证，提升测试工作的智能化、自动化水平。

Keywords

• 自然语言处理
• 模糊文本聚类
• 铁路调度集中控制系统
• 命名实体识别
• 智能测试