一种基于深度学习的中文文本分类方法.pdf
一条****杉淑
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的中文文本分类方法.pdf
一种基于深度学习的中文文本分类方法,结合Word2Vec词向量与LDA词向量作为词嵌入以增强文本主题特征;编码阶段将自注意力机制以及RNN网络结合可以实现对文本进行深度语义特征提取的同时保留序列特征。本发明对于输入的一篇中文文本,运用系统模型,能够有效提升文本分类的准确率。本发明融合了Word2Vec词向量与LDA词向量作为词嵌入,并结合了循环神经网络(RNN)以及自注意力机制(Self‑Attention)的特征提取优势,极大程度上改善了文本分类准确率,从而使得人们的信息处理效率进一步提升。
基于深度学习的中文文本分类综述.docx
基于深度学习的中文文本分类综述目录一、内容概览................................................21.1文本分类的意义.......................................31.2深度学习在文本分类中的应用现状.......................4二、深度学习模型概述........................................52.1神经网络模型...............................
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
一种基于深度学习的盲文转中文方法.pdf
本发明公开了一种基于深度学习的盲文转中文方法。它具体包括如下步骤:(1)对盲文文本预处理:盲文文本预处理对盲文做编码归一化处理;(2)深度学习算法模型构建:深度学习算法模型学习编码后的文本规律;(3)训练深度学习模型:通过深度学习模型翻译出对应的中文内容;(4)文本纠错:在文本纠错单元对盲文中的错别字进一步纠错。本发明的有益效果是:达到高精准度文本翻译结果。
一种基于深度学习的社交网络文本情感细粒度分类方法.pdf
本发明提供一种基于深度学习的社交网络文本情感细粒度分类方法,涉及情感多分类领域,本发明使用Scrapy框架爬取社交网络文本数据,进行数据清洗、分词,将分词结果作为word2vec的输入进行词向量转化;基于CNN模型进行文本的情感8分类,将词向量转化结果作为CNN嵌入层的输入,进行卷积、池化、概率计算等前向、反向传播过程训练模型,实现对网络评论情感分类的迁移学习,对社交网络文本进行二轮抽样实现实例迁移、训练分类器,并对评论进行情感预测;对前述工作进行系统设计,对分析结果进行可视化展示,利用MVC三层架构设计