多尺度CNN卷积与全局关系的中文文本分类模型OACSCDCSTPCD
Multiscale Double-Layer Convolution and Global Feature Text Classification Model
针对双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)和卷积神经网络(convolution neural network,CNN)因各自模型提取特征的局限性导致的分类准确率不高的问题,提出一种改进的双层CNN网络和引入注意力机制的BiLSTM联合模型.由于单层CNN网络获取局部特征能力有限,该模型通过对多尺度组合卷积引入上采样与原始文本进行跳跃连接来增强后续卷积的局部感受野,以达到增强…查看全部>>
宋中山;牛悦;郑禄;帖军;姜海
中南民族大学 计算机科学学院,武汉 430070||湖北省制造企业智能管理工程技术研究中心,武汉 430070中南民族大学 计算机科学学院,武汉 430070||湖北省制造企业智能管理工程技术研究中心,武汉 430070中南民族大学 计算机科学学院,武汉 430070||农业区块链与智能管理湖北省工程研究中心,武汉 430070中南民族大学 计算机科学学院,武汉 430070||农业区块链与智能管理湖北省工程研究中心,武汉 430070中南民族大学 计算机科学学院,武汉 430070||湖北省制造企业智能管理工程技术研究中心,武汉 430070
计算机与自动化
文本分类双向长短时记忆网络卷积神经网络注意力机制
text classificationbi-directional long short-term memory network(BiLSTM)convolutional neural network(CNN)attention mechanism
《计算机工程与应用》 2023 (20)
103-110,8
国家民委中青年英才培养计划(MZR20007)湖北省科技重大专项(2020AEA011)武汉市科技计划应用基础前沿项目(2020020601012267)中央高校基本科研业务费专项资金(CPT22018).
评论