期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于词素切分的低资源语言文本分类
被引量：
1
1
作者
沙尔旦尔·帕尔哈提
木塔力甫·沙塔尔
+1 位作者
阿
力
木江·亚森
阿布都热合曼·卡的尔
《计算机工程与设计》
北大核心
2025年第2期530-536,共7页
针对维-哈-柯等派生类低资源语言文本分类中特征空间维数巨增、特征提取效率低等问题,提出一种基于Bi-LSTM_CRF的词素切和基于Bi-LSTM_Attention的文本分类方法。对实验文本进行词素切分及词干提取以有效减少特征空间维数,采用BERT嵌入...
针对维-哈-柯等派生类低资源语言文本分类中特征空间维数巨增、特征提取效率低等问题,提出一种基于Bi-LSTM_CRF的词素切和基于Bi-LSTM_Attention的文本分类方法。对实验文本进行词素切分及词干提取以有效减少特征空间维数,采用BERT嵌入向量表示较好地保留文本语义信息。将Bi-LSTM与Attention机制结合构建文本分类模型,有效提取文本词干之间长距离依赖关系特征,以此提高维-哈-柯语文本分类的效果,分别得到了96.68%、96.72%和96.54%的分类准确率。实验结果表明,高效词素切分和嵌入向量表示方法能够提高维-哈-柯等低资源语言文本分类的效果。
展开更多
关键词
维-哈-柯语
词素切分
词干提取
词干嵌入向量
特征表示
神经网络
文本分类
在线阅读
下载PDF
职称材料
题名
基于词素切分的低资源语言文本分类
被引量：
1
1
作者
沙尔旦尔·帕尔哈提
木塔力甫·沙塔尔
阿
力
木江·亚森
阿布都热合曼·卡的尔
机构
新疆财经大学信息管理学院
出处
《计算机工程与设计》
北大核心
2025年第2期530-536,共7页
基金
国家自然科学基金项目(61662073、62241208)
国家社会科学基金项目(23XMZ060)
新疆财经大学校级科研基金项目(2022XGC022、2022XGC049)。
文摘
针对维-哈-柯等派生类低资源语言文本分类中特征空间维数巨增、特征提取效率低等问题,提出一种基于Bi-LSTM_CRF的词素切和基于Bi-LSTM_Attention的文本分类方法。对实验文本进行词素切分及词干提取以有效减少特征空间维数,采用BERT嵌入向量表示较好地保留文本语义信息。将Bi-LSTM与Attention机制结合构建文本分类模型,有效提取文本词干之间长距离依赖关系特征,以此提高维-哈-柯语文本分类的效果,分别得到了96.68%、96.72%和96.54%的分类准确率。实验结果表明,高效词素切分和嵌入向量表示方法能够提高维-哈-柯等低资源语言文本分类的效果。
关键词
维-哈-柯语
词素切分
词干提取
词干嵌入向量
特征表示
神经网络
文本分类
Keywords
Uyghur-Kazakh-Kirghiz
morpheme segmentation
stem extraction
stem-embedding vector
feature representation
neural network
text classification
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于词素切分的低资源语言文本分类
沙尔旦尔·帕尔哈提
木塔力甫·沙塔尔
阿
力
木江·亚森
阿布都热合曼·卡的尔
《计算机工程与设计》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
