资料下载
×
一种基于神经网络的短文本分类模型
消耗积分:0 |
格式:pdf |
大小:2.60 MB |
2021-03-12
分享资料个
针对短文本缺乏上下文信息导致的语义模糊冋题，构建一种融合知识图谱和注意力机制的神经网络模型。借助现有知识库获取短文本相关的概念集，以获得短文本相关先验知识，弥补短文本缺乏上下文信息的不足。将字符向量、词向量以及短文本的概念集作为模型的输入，运用编码器-解码器模型对短文本与概念集进行编码，利用注意力机制计算每个概念权重值，减小无关噪声概念对短文本分类的影响，在此基础上通过双向门控循环单元编码短文本输入序列，获取短文本分类特征，从而更准确地进行短文本分类》实验结果表明该模型在 Agnews、 Ohsumed和 Tagmynews短文本数据集上的准确率分别达到73.95%、40.69%和63.10%，具有较好的分类能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
