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
2
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
商品名称短文本快速有效分类的多基模型框架
被引量：
2
1
作者
沈雅婷
左志新
《计算机应用与软件》
北大核心
2021年第2期185-190,共6页
提出一种适用于短文本分类的多基模型框架Bagging_fastText(B_f)。它是一种基于自举汇聚法的快速文本分类算法的框架。以fastText为基模型,运用集成学习思想,设置最优超参数并训练出多个基模型组成多基模型,再通过投票机制获取最终类别...
提出一种适用于短文本分类的多基模型框架Bagging_fastText(B_f)。它是一种基于自举汇聚法的快速文本分类算法的框架。以fastText为基模型,运用集成学习思想,设置最优超参数并训练出多个基模型组成多基模型,再通过投票机制获取最终类别。对商品名称短文本分类的实验结果表明,提出的B_f比fastText、朴素贝叶斯传统文本分类算法、文本卷积神经网络(TextCNN)算法的分类效果更优。
展开更多
关键词
多基模型框架
fastText
文本分类NLP
在线阅读
下载PDF
职称材料
基于Stacking-Bert集成学习的中文短文本分类算法
被引量：
12
2
作者
郑承宇
王新
+2 位作者
王婷
尹甜甜
邓亚萍
《科学技术与工程》
北大核心
2022年第10期4033-4038,共6页
由于word2vec、Glove等静态词向量表示方法存在无法完整表示文本语义等问题,且当前主流神经网络模型在做文本分类问题时,其预测效果往往依赖于具体问题,场景适应性差,泛化能力弱。针对上述问题,提出一种多基模型框架(Stacking-Bert)的...
由于word2vec、Glove等静态词向量表示方法存在无法完整表示文本语义等问题,且当前主流神经网络模型在做文本分类问题时,其预测效果往往依赖于具体问题,场景适应性差,泛化能力弱。针对上述问题,提出一种多基模型框架(Stacking-Bert)的中文短文本分类方法。模型采用BERT预训练语言模型进行文本字向量表示,输出文本的深度特征信息向量,并利用TextCNN、DPCNN、TextRNN、TextRCNN等神经网络模型构建异质多基分类器,通过Stacking集成学习获取文本向量的不同特征信息表达,以提高模型的泛化能力,最后利用支持向量机(support vector machine,SVM)作为元分类器模型进行训练和预测。与word2vec-CNN、word2vec-BiLSTM、BERT-TexCNN、BERT-DPCNN、BERT-RNN、BERT-RCNN等文本分类算法在网络公开的三个中文数据集上进行对比实验,结果表明,Stacking-Bert集成学习模型的准确率、精确率、召回率和F_(1)均为最高,能有效提升中文短文本的分类性能。
展开更多
关键词
多基模型框架
BERT预训练语言
模型
Stacking集成学习
短文本分类
在线阅读
下载PDF
职称材料
题名
商品名称短文本快速有效分类的多基模型框架
被引量：
2
1
作者
沈雅婷
左志新
机构
南京理工大学紫金学院
出处
《计算机应用与软件》
北大核心
2021年第2期185-190,共6页
基金
江苏省高校自然科学研究项目(19KJB520039)
南京理工大学紫金学院科学研究项目(2019ZRKX0401008)。
文摘
提出一种适用于短文本分类的多基模型框架Bagging_fastText(B_f)。它是一种基于自举汇聚法的快速文本分类算法的框架。以fastText为基模型,运用集成学习思想,设置最优超参数并训练出多个基模型组成多基模型,再通过投票机制获取最终类别。对商品名称短文本分类的实验结果表明,提出的B_f比fastText、朴素贝叶斯传统文本分类算法、文本卷积神经网络(TextCNN)算法的分类效果更优。
关键词
多基模型框架
fastText
文本分类NLP
Keywords
Multi-base model framework
FastText
Text classification
NLP
分类号
TP39 [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
基于Stacking-Bert集成学习的中文短文本分类算法
被引量：
12
2
作者
郑承宇
王新
王婷
尹甜甜
邓亚萍
机构
云南民族大学数学与计算机科学学院
出处
《科学技术与工程》
北大核心
2022年第10期4033-4038,共6页
基金
国家自然科学基金(61363022)
云南省教育厅科学研究基金(2021Y670)。
文摘
由于word2vec、Glove等静态词向量表示方法存在无法完整表示文本语义等问题,且当前主流神经网络模型在做文本分类问题时,其预测效果往往依赖于具体问题,场景适应性差,泛化能力弱。针对上述问题,提出一种多基模型框架(Stacking-Bert)的中文短文本分类方法。模型采用BERT预训练语言模型进行文本字向量表示,输出文本的深度特征信息向量,并利用TextCNN、DPCNN、TextRNN、TextRCNN等神经网络模型构建异质多基分类器,通过Stacking集成学习获取文本向量的不同特征信息表达,以提高模型的泛化能力,最后利用支持向量机(support vector machine,SVM)作为元分类器模型进行训练和预测。与word2vec-CNN、word2vec-BiLSTM、BERT-TexCNN、BERT-DPCNN、BERT-RNN、BERT-RCNN等文本分类算法在网络公开的三个中文数据集上进行对比实验,结果表明,Stacking-Bert集成学习模型的准确率、精确率、召回率和F_(1)均为最高,能有效提升中文短文本的分类性能。
关键词
多基模型框架
BERT预训练语言
模型
Stacking集成学习
短文本分类
Keywords
multi-base model framework
BERT pre-trained language model
stacking ensemble learning
short text classification
分类号
TP391.1 [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
商品名称短文本快速有效分类的多基模型框架
沈雅婷
左志新
《计算机应用与软件》
北大核心
2021
2
在线阅读
下载PDF
职称材料
2
基于Stacking-Bert集成学习的中文短文本分类算法
郑承宇
王新
王婷
尹甜甜
邓亚萍
《科学技术与工程》
北大核心
2022
12
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
