| 基于改进卷积神经网络的短文本分类模型 |
| 高云龙; 吴川; 朱明
|
| 2020-07-18
|
| 发表期刊 | 吉林大学学报(理学版)
 |
| 卷号 | 58期号:04页码:923-930 |
| 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. |
| 关键词 | 卷积神经网络
短文本
概念分布式表示
稀疏
自编码
|
| URL | 查看原文
|
| 文献类型 | 期刊论文
|
| 条目标识符 | 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.中国科学院长春光学精密机械与物理研究所
2.中国科学院航空光学成像与测量重点实验室
|
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.
|
|
文件名：
|
基于改进卷积神经网络的短文本分类模型.pdf
|
|
格式：
|
Adobe PDF
|
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。
修改评论