-
题名基于改进CNN的海军军事文本分类模型
被引量：9
- 1
-
-
作者
齐玉东
丁海强
司维超
李程瑜
-
机构
海军航空大学
中国人民解放军
-
出处
《电光与控制》
CSCD
北大核心
2020年第5期68-73,共6页
-
文摘
针对传统的文本分类方法在海军军事文本分类上准确度不高的问题,根据海军军事文本中重点信息的位置分布规律,改进了传统的一维卷积神经网络,并进一步设计海军军事文本分类模型。在一维卷积方面,提出变步长卷积方法,文本首尾位置采用低步长、中间位置采用高步长挖掘文本特征,提高文本首尾位置的重点特征的挖掘能力;在一维池化方面,提出带权池化方法,将文本位置信息转化为权重值参与池化运算,体现文本位置信息的重要程度。实验结果表明,与传统的支持向量机、K近邻算法、一维卷积神经网络以及长短期记忆网络模型相比,该文本分类模型的准确率、召回率、F1值均有所提高。
-
关键词
海军军事文本分类
大数据
一维卷积神经网络
变步长卷积
带权池化
-
Keywords
naval text classification
big data
one-dimensional CNN
variable-step convolution
weighted pooling
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
