基于改进卷积神经网络的短文本分类模型
文献类型：期刊论文
| 作者 | 高云龙; 吴川; 朱明 |
| 刊名 | 吉林大学学报(理学版)
 |
| 出版日期 | 2020-07-18 |
| 卷号 | 58期号:04页码:923-930 |
| 关键词 | 卷积神经网络 短文本 概念分布式表示 稀疏 自编码 |
| 英文摘要 | 基于卷积神经网络,提出一种基于改进卷积神经网络的短文本分类模型.首先,采用不同编码方式将短文本映射到不同空间下的分布式表示,提取不同粒度的数字特征作为短文本分类模型的多通道输入,并根据标准知识库提取概念特征作为先验知识,提高短文本的语义表征能力;其次,在全连接层增加自编码学习策略,在近似恒等的基础上进一步组合数字特征,模拟数据内部的关联性;最后,利用相对熵原理为模型增加稀疏性限制,降低模型复杂度的同时提高模型的泛化能力.通过对开源数据集进行短文本分类实验,验证了模型的有效性. |
| URL标识 | 查看原文 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/64110]  |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 作者单位 | 1.中国科学院航空光学成像与测量重点实验室 2.中国科学院长春光学精密机械与物理研究所 |
| 推荐引用方式 GB/T 7714 | 高云龙,吴川,朱明. 基于改进卷积神经网络的短文本分类模型[J]. 吉林大学学报(理学版),2020,58(04):923-930. |
| APA | 高云龙,吴川,&朱明.(2020).基于改进卷积神经网络的短文本分类模型.吉林大学学报(理学版),58(04),923-930. |
| MLA | 高云龙,et al."基于改进卷积神经网络的短文本分类模型".吉林大学学报(理学版) 58.04(2020):923-930. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。