内容提供者
一种基于softmax的文本多标签分类方法.pdf
2023-07-25
10金币
522KB
12页
努力****凌芹
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共12页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于softmax的文本多标签分类方法.pdf
本发明提供一种基于softmax的文本多标签分类方法，包括：文本预处理、文本特征向量提取、模型设计、模型训练、模型评估、模型应用，本发明使用bert模型提取句子特征向量，在使用双向门控循环单元和注意力模型构建训练网络，网络使用softmax作为激活函数而非sigmoid，同时使用配合softmax的改良交叉熵损失函数，提高负样本的学习效率，“softmax+交叉熵”没有类别不均衡的问题，因为它不是将多标签分类变成多个二分类问题，而是变成目标类别得分与非目标类别得分的两两比较，并且能够借助于LogSumEx
2023-07-25
10
522KB
一种基于图深度学习的文本多标签分类方法和系统.pdf
本发明公开了基于图深度学习的文本多标签分类方法和系统,在金融领域少标注样本且标签间存在业务关联的前提下,依靠基于图深度学习的文本分类方法,自动化解决文本多标签分裂问题。其技术方案为:对原始采集数据进行预处理并进行文本向量化的处理,基于中文分词后转化为文本向量;对文本向量化结果,使用多标签注意力网络提取文本特征,最终得到文本特征提取结果;在文本特征提取的基础上,构建图语义交互层,得到融合图语义交互层的混合文本向量化的结果;在融入语义交互层的文本向量化表示基础上,采用特定损失函数训练模型进行训练,得到输入文本
2023-05-18
10
783KB
一种基于Softmax的SSVEP划窗分类方法.pdf
本发明公开了一种基于Softmax的SSVEP划窗分类方法。方法包括：采集初始SSVEP脑电信号数据；处理构建为训练集；构建FFT‑CNN神经网络；将训练集输入处理，输出工作类别的softmax值，计算分类平均值；获得训练完成的网络；实时采集检测SSVEP脑电信号数据，处理后输入训练完成的网络中处理输出，获得检测平均值；选取预测平均值和预测工作类别；将分类平均值与预测平均值进行比较，对检测者的工作类别进行分类，即实现检测者在预设时间段内的阶段状态的确定。本发明引入了权重的概念，用Softmax对每次的识别
2023-08-06
10
355KB
一种文本多标签分类方法及系统.pdf
本发明公开了一种文本多标签分类方法及系统，方法包含：获取目标文本数据及其标注标签并处理得到文本数据及其标注标签；将文本数据进行数据增广；对增广后的文本数据及其标注标签构建深度学习模型；将待处理数据输入深度学习模型中获取待处理数据的标签数据；对标签数据进行判别处理得到待处理数据的标注标签；系统包含数据处理模块获取目标文本数据及其标注标签并处理得到文本数据及其标注标签；数据增广模块对文本数据进行数据增广；深度学习模型构建模块用于构建深度学习模型，还用于获取待处理数据并输入深度学习模型中获取待处理数据的标签数据
2023-07-25
10
630KB
用于文本多标签分类任务的基于间隔分布的在线机器学习方法.pdf
本发明公开了机器学习领域内的一种基于间隔分布的在线机器学习方法,包括以下步骤:1)在第t轮,接收到本轮文档的特征向量<base:Imagehe=@77@wi=@198@file=@DDA0003762887680000011.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>2)进入多标签预测程序;3)预测结束后,接收到x<base:Sub>t</base:Sub>的真实相关标签集<base:Imageh
2023-05-09
10
1.2MB