首页
文献互助
登录
|
注册
我要投稿
期刊屋
>
计算机
字符级卷积神经网络短文本分类算法
【摘要】 由于短文本具有长度短、特征稀疏以及上下文依赖性强等特点,传统方法对其直接进行分类精度有限。针对该问题,提出了一种基于字符级嵌入的卷积神经网络(CNN)和长短时记忆网络(LSTM)相结合的神经网络模型进行短文本的分类。该模型同时包括了高速公路网络(Highwaynetworks)框架,用于缓解深度神经网络训练时的困难,提高分类的准确性。通过对几种数据集的测试,结果表明提出的模型在短文本分类任务中优于传统模型和其他基于CNN的分类模型。
【字符级卷积神经网络短文本分类算法】相关的文章
计算机 最新帖子
1
五阶WENO格式求解一维Euler方程
2
基于漏磁检测机理的钢丝绳小缺陷精确化识别系统研究
3
一种鲁棒的单目视觉里程计算法
4
基于分解卷积神经网络的文本情感分析
5
考虑异质车辆和顾客满意度的冷藏品配送路径优化
6
耦合辅助信息的矩阵分解推荐模型
7
计算机专业高职学生个性化晚自习方法研究
8
基于LOD技术的多分辨率海水场景实时仿真
9
基于增量学习的SVM-KNN网络入侵检测方法
10
基于Copeland集结算法的协同空战机动决策方法
热门文章
1
基于AR的线上线下混合式教学App的设计与实现
2
基于改进蚁群算法的公交网络路径优化
3
基于改进坐标转换的人体运动轨迹识别方法
4
Android生态系统中面向第三方SDK安全的静态和动态分析
5
基于层次分析法的宏观经济指标可靠性评价
6
考虑样本数据重复性的通信信息冗余数据检测算法
7
新型综合信息技术下的大学生心理治疗模型研究
8
变权层次分析法的高校英语教学效果评价
9
变压器故障风险分析理论模型研究
10
基于灰狼算法的高校实验课网络排课问题研究