CN114357165B 一种基于深度学习网络的短文本分类方法 （江苏大学）_第1页
CN114357165B 一种基于深度学习网络的短文本分类方法 （江苏大学）_第2页
CN114357165B 一种基于深度学习网络的短文本分类方法 （江苏大学）_第3页
CN114357165B 一种基于深度学习网络的短文本分类方法 （江苏大学）_第4页
CN114357165B 一种基于深度学习网络的短文本分类方法 （江苏大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明涉及基于深度学习网络的短文本分更高的短文本数据集；将短文本数据集进行处向量求和构成的查询向量进行注意力机制得分计算；将新的特征向量输入全连接层进行输出明解决了短文本特征不足而无法准确分类的问2S3：将短文本数据集输入CBOW神经网络训练得到S4：将短文本数据集输入卷积神经网络和长短期记S5：将步骤S4得到的特征向量输入全连接层进行left,fright分别是长短期记忆神经网络正向和反向提取的特征向量，σ为激活函xoho-1t-1分别为当前隐藏S44：将步骤S43得到的长短期记忆神经网络与卷积其中q为注意力机制的查询向量，X为Vl步骤V32得到的向量，arge为取平均值计算，S45：将步骤S44得到的得分αi与步骤S43的中间特征向量进行矩阵乘法计算并求平均3S31：将数据清洗后的短文本数据集S’输入CBOW神经4[0006]为了实现上述发明目的，本发明提出一种基于深度学习5[0023]S41:从短文本数据集S’中按顺序逐条取出短文本数据s进行分词，得到ρ'=ho-1t-1分别为[0034]其中q为注意力机制的查询向量，X为S3步骤S32得到的向量，arge为取平均值计67[0060]S31：将数据清洗后的短文本数据集输入CBOW神经网络得到词汇表Wt的词向量表[0061]S32：将数据清洗后的短文本数据集S’按百分之X的比例随机抽取得到子数据集特征与标签词向量求和构成的查询向量进行[0064]S41：从短文本数据集S’中按顺序逐条取出短文本数据s进行分词，得到ρ'=ho-1t-1分别为[0075]其中q为注意力机制的查询向量，X为S3步骤S32得到的向量，arge为取平均值计[0078]S45：将步骤S44得到的得分αi与步骤S43的中间特征向量进行矩阵乘法计算并求8何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论