基于注意力机制和CNN-BiLSTM模型的在线协作讨论交互文本自动分类OA
Automatic Classification of Interactive Texts in Online Collaborative Discussion Based on Attention Mechanism and CNN-BiLSTM Model
针对当前的在线协作讨论交互文本分类仅采用深度学习方法时,存在无法充分获取上下文语义关联以及忽略关键特征词,造成分类结果准确率下降的问题,文中提出一种结合注意力机制的深度学习网络模型—CNN-BiLSTM-Attention,进一步强化文本的语义特征.利用该模型对在线协作讨论活动中产生的 12000 条交互文本进行分类,分类结果表明,CNN-BiLSTM-Attention的分类准确率整体上可达到82.40%,有效提升了文本分类的效果.
李淑红;邓明明;孙社兵;任济洲
河南财经政法大学,河南 郑州 450046河南财经政法大学,河南 郑州 450046河南财经政法大学,河南 郑州 450046澳大利亚国立大学,河南 郑州 450046
计算机与自动化
深度学习卷积神经网络长短时记忆网络注意力机制
deep learningConvolutional Neural NetworkLong Short-Term Memory Networkattention mechanism
《现代信息科技》 2023 (13)
26-31,38,7
国家自然科学基金青年项目(61907011)国家自然科学基金青年项目(62077005)河南省科技攻关项目(222102210326)
评论