購物車(0)
融合多粒度信息的文本向量表示模型
關(guān)鍵詞：文本分類 詞向量 卷積神經(jīng)網(wǎng)絡(luò) 主題模型
摘要：【目的】更加全面地提取文本語義特征,提高文本向量對文本語義的表示能力。【方法】通過卷積神經(jīng)網(wǎng)絡(luò)提取詞粒度、主題粒度和字粒度文本特征向量,通過“融合門”機(jī)制將三種特征向量融合得到最終的文本向量,并進(jìn)行文本分類實驗?！窘Y(jié)果】該模型在搜狗語料庫文本分類實驗上的準(zhǔn)確率為92.56%,查準(zhǔn)率為92.33%,查全率為92.07%,F1值為92.20%,較基準(zhǔn)模型Text-CNN分別提高2.40%,2.05%,1.77%,1.91%?！揪窒蕖吭~序關(guān)系范圍較小,語料庫規(guī)模較小?！窘Y(jié)論】該模型可以更加全面地提取文本語義特征,得到的文本向量對文本語義表示能力更強(qiáng)。
數(shù)據(jù)分析與知識發(fā)現(xiàn)雜志要求:
{1}所有作者的作者簡介（姓名、工作單位、職稱、研究方向）；通訊作者請再提供電子郵箱。
{2}稿件文責(zé)自負(fù)。編輯部有權(quán)對來稿進(jìn)行文字和技術(shù)性刪改，對實質(zhì)性內(nèi)容的修改，則應(yīng)征求作者同意。
{3}標(biāo)題序號：可按四級小標(biāo)題的格式寫：一、（一）、1、（1）；一級、二級標(biāo)題另起段，正文另起段；三級、四級小標(biāo)題另起段，但正文接排；正文內(nèi)序號用①……②……等。
{4}參考文獻(xiàn)：（1）正文格式：作者，發(fā)表年（多版次文獻(xiàn)請同時提供第 1 版的發(fā)表時間），頁碼，外加圓括號。（2）文末格式：中、外文獻(xiàn)分開，各按音序排列。
{5}摘要應(yīng)反映論文的目的、方法及主要結(jié)果、結(jié)論，并充分反映論文的創(chuàng)新點(diǎn)，表達(dá)簡明、語義確切，以100 ～300 字為宜。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
