品質欠陥は通常テキスト形式で記録され、エンジニアが手動で診断します。効率を向上させ、正確な保守判断を行うために、新しい欠陥診断方法が必要です。しかし、一般的な診断方法は通常デジタルまたは画像データの監視を伴い、テキストデータ中の品質欠陥を識別するには適していません。さらに、現行のテキスト分類方法は航空機組み立てに実装が困難です。長文の中国語テキストを含む品質欠陥に対して、本稿では加重テキスト埋め込みとスタック型スパースオートエンコーダ（AE）ネットワークを融合した新たな知能診断フレームワークを提案します。まず、中国語形態素解析により欠陥テキストを独立した単語に分割し、word2vec（単語間の意味関係を捉えるニューラル埋め込みモデル）でキーワードの単語ベクトルを表現します。次に、専門家知識に基づく半教師属性付けアルゴリズムを開発し、キーワードの重みを決定し、単語ベクトルの重み付き和によってテキストベクトルを算出します。第三に、テキストベクトルの高次元性と希薄性を考慮し、スタック型スパースAEネットワークを構築してテキストベクトルを分類し、品質欠陥の種類を識別します。この手法を実際の航空機組み立てデータセットに適用した結果、提案フレームワークは優れた性能を示しました。

品質欠陥;航空機組み立て;診断フレームワーク;中国語テキスト埋め込み;スタック型スパース自動符号化器