期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于Attention_DenseCNN的水稻问答系统问句分类 被引量:13
1
作者 王郝日钦 吴华瑞 +2 位作者 冯帅 刘志超 许童羽 《农业机械学报》 EI CAS CSCD 北大核心 2021年第7期237-243,共7页
为了解决“中国农技推广APP”问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention_DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向... 为了解决“中国农技推广APP”问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention_DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向量化处理,采用Word2vec方法能够有效地解决文本的高维性和稀疏性问题。对卷积神经网络(CNN)上下游卷积块之间建立一条稠密的链接,并结合注意力机制(Attention),使文本中的关键词特征得以充分体现,使文本分类模型具有更好的文本特征提取精度,从而提高了分类精确率。试验表明:基于Attention_DenseCNN的水稻问句分类模型可以提高文本特征的利用率、减少特征丢失,能够快速、准确地对水稻问句文本进行自动分类,其分类精确率及F1值分别为95.6%和94.9%,与其他7种神经网络问句分类方法相比,分类效果明显提升。 展开更多
关键词 水稻问句分类 自然语言处理 密集连接卷积神经网络 注意力机制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部