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
Text-CRNN+attention架构下的多类别文本信息分类
被引量：
13
1
作者
卢健
马成贤
+1 位作者
杨腾飞
周嫣然
《计算机应用研究》
CSCD
北大核心
2020年第6期1693-1696,1701,共5页
迄今为止,传统机器学习方法依赖人工提取特征,复杂度高;深度学习网络本身特征表达能力强,但模型可解释性弱导致关键特征信息丢失。为此,以网络层次结合的方式设计了CRNN并引入attention机制,提出一种Text-CRNN+attention模型用于文本分...
迄今为止,传统机器学习方法依赖人工提取特征,复杂度高;深度学习网络本身特征表达能力强,但模型可解释性弱导致关键特征信息丢失。为此,以网络层次结合的方式设计了CRNN并引入attention机制,提出一种Text-CRNN+attention模型用于文本分类。首先利用CNN处理局部特征的位置不变性,提取高效局部特征信息;然后在RNN进行序列特征建模时引入attention机制对每一时刻输出序列信息进行自动加权,减少关键特征的丢失,最后完成时间和空间上的特征提取。实验结果表明,提出模型较其他模型准确率提升了2%~3%;在提取文本特征时,该模型既保证了数据的局部相关性又起到强化序列特征的有效组合能力。
展开更多
关键词
文本分类
卷积神经网络
循环神经网络
convolution
al
recurrent
neural
network
注意力机制
在线阅读
下载PDF
职称材料
题名
Text-CRNN+attention架构下的多类别文本信息分类
被引量：
13
1
作者
卢健
马成贤
杨腾飞
周嫣然
机构
西安工程大学电子信息学院
出处
《计算机应用研究》
CSCD
北大核心
2020年第6期1693-1696,1701,共5页
基金
国家自然科学基金资助项目(51607133)
陕西省教育厅专项科学研究计划项目(17JK0332)
+1 种基金
陕西省科技厅科技发展计划项目(2011K06-01)
西安市碑林区应用技术研发项目(GX1807)。
文摘
迄今为止,传统机器学习方法依赖人工提取特征,复杂度高;深度学习网络本身特征表达能力强,但模型可解释性弱导致关键特征信息丢失。为此,以网络层次结合的方式设计了CRNN并引入attention机制,提出一种Text-CRNN+attention模型用于文本分类。首先利用CNN处理局部特征的位置不变性,提取高效局部特征信息;然后在RNN进行序列特征建模时引入attention机制对每一时刻输出序列信息进行自动加权,减少关键特征的丢失,最后完成时间和空间上的特征提取。实验结果表明,提出模型较其他模型准确率提升了2%~3%;在提取文本特征时,该模型既保证了数据的局部相关性又起到强化序列特征的有效组合能力。
关键词
文本分类
卷积神经网络
循环神经网络
convolution
al
recurrent
neural
network
注意力机制
Keywords
text classification
convolution
al
neural
network
(CNN)
recurrent
neural
network
(RNN)
convolution
al
recurrent
neural
network
(CRNN)
attention mechanism
分类号
TP393.04 [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
Text-CRNN+attention架构下的多类别文本信息分类
卢健
马成贤
杨腾飞
周嫣然
《计算机应用研究》
CSCD
北大核心
2020
13
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
