本文提出一种新的K Winners Take All神经网络 :High Speed K Winners Take All(HS K WTA) .HS K WTA是以竞争学习算法为基础 .HS K WTA能够从任何一个数集中 ,识别出K个较大的数 ,或较小的数 .本文给出HS K WTA算法及算法复杂性的分析...本文提出一种新的K Winners Take All神经网络 :High Speed K Winners Take All(HS K WTA) .HS K WTA是以竞争学习算法为基础 .HS K WTA能够从任何一个数集中 ,识别出K个较大的数 ,或较小的数 .本文给出HS K WTA算法及算法复杂性的分析结果 .结果显示HS K WTA要比Winstrons更好 ,更容易硬件实现 ,更稳定 ,尤其所取的数集中的数较大时 .展开更多
海关商品HS编码分类是企业和个人进出口贸易的重要国际程序。HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别。然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的...海关商品HS编码分类是企业和个人进出口贸易的重要国际程序。HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别。然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的层次结构,同时商品描述文本展现出了两个层次上的序列特征,并且商品描述文本还存在关键信息分散且描述形式多样的特点。现有的文本分类方法无法综合考虑以上因素来捕获商品描述文本中的关键信息。对此,文中提出了一种融合文本序列和图信息的神经网络(Text Sequence and Graph Information combination Neural Network,TSGINN)模型,用于解决海关商品HS编码分类问题。TSGINN将HS编码分类问题定义为基于词共现网络的子图分类问题,通过图注意力网络建模非连续词之间的关联关系,同时利用分层的长短期记忆网络结合商品文本层次结构捕获多层次的序列信息。在真实海关商品数据集上进行了实验,结果表明TSGINN模型的HS编码分类效果优于其他分类方法。展开更多
文摘本文提出一种新的K Winners Take All神经网络 :High Speed K Winners Take All(HS K WTA) .HS K WTA是以竞争学习算法为基础 .HS K WTA能够从任何一个数集中 ,识别出K个较大的数 ,或较小的数 .本文给出HS K WTA算法及算法复杂性的分析结果 .结果显示HS K WTA要比Winstrons更好 ,更容易硬件实现 ,更稳定 ,尤其所取的数集中的数较大时 .
文摘海关商品HS编码分类是企业和个人进出口贸易的重要国际程序。HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别。然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的层次结构,同时商品描述文本展现出了两个层次上的序列特征,并且商品描述文本还存在关键信息分散且描述形式多样的特点。现有的文本分类方法无法综合考虑以上因素来捕获商品描述文本中的关键信息。对此,文中提出了一种融合文本序列和图信息的神经网络(Text Sequence and Graph Information combination Neural Network,TSGINN)模型,用于解决海关商品HS编码分类问题。TSGINN将HS编码分类问题定义为基于词共现网络的子图分类问题,通过图注意力网络建模非连续词之间的关联关系,同时利用分层的长短期记忆网络结合商品文本层次结构捕获多层次的序列信息。在真实海关商品数据集上进行了实验,结果表明TSGINN模型的HS编码分类效果优于其他分类方法。
