期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
LSTM-TextCNN联合模型的短文本分类研究 被引量：17
1
作者 李志杰 耿朝阳 宋鹏 《西安工业大学学报》 CAS 2020年第3期299-304,共6页
为了能在文本分类模型中获取到更具有代表性的信息,增加分类的准确率。本文提出了一种LSTM-TextCNN联合模型。文中以设备维修手册中采集的文本作为数据集,并对文本进行相应的预处理,将处理过的文本通过Word2Vec模型转化为词向量,最终搭... 为了能在文本分类模型中获取到更具有代表性的信息,增加分类的准确率。本文提出了一种LSTM-TextCNN联合模型。文中以设备维修手册中采集的文本作为数据集,并对文本进行相应的预处理,将处理过的文本通过Word2Vec模型转化为词向量,最终搭建出联合模型并进行训练,实现了对文本的分类,并将文中的联合模型与单模型LSTM和TextCNN进行测试比较。实验结果表明,文中采用的LSTM-TextCNN联合模型分类准确率为83.3%,比TextCNN模型高4.2%,比LSTM模型高9.1%,文中方法在抓取文本特征方面优于传统的单模型TextCNN和LSTM。 展开更多
关键词 深度学习 短文本分类 lstm-textcnn Word2Vec
在线阅读 下载PDF
基于预训练模型和特征融合的医疗临床试验文本分类研究
2
作者 郭艳梅 王英明 《绵阳师范学院学报》 2024年第5期97-104,共8页
为充分利用长短时记忆网络在长距离特征提取、卷积神经网络在局部特征提取上的优势,以及动态词向量能更好地捕捉词语语义差异的能力,提出将预训练模型、长短时记忆网络、文本卷积神经网络融合在一起,构建了一个医疗临床试验文本分类模型... 为充分利用长短时记忆网络在长距离特征提取、卷积神经网络在局部特征提取上的优势,以及动态词向量能更好地捕捉词语语义差异的能力,提出将预训练模型、长短时记忆网络、文本卷积神经网络融合在一起,构建了一个医疗临床试验文本分类模型.首先,通过改进NEZHA预训练模型获取文本动态词向量;然后采用双向长短时记忆网络进行文本特征提取,捕捉文本间的长期依赖关系;接着通过卷积神经网络捕获文本的局部特征;最后,将两方面获取的特征组合在一起,通过softmax进行文本分类.实验结果表明,所提出的模型与其他模型相比,能有效捕捉文本的长期依赖关系和局部特征,Macro-F1值提升至84.5%,有较大的实用价值. 展开更多
关键词 文本分类 NEZHA lstm textcnn
在线阅读 下载PDF
基于深度学习的电信运营商网络投诉工单智能分类技术研究 被引量：1
3
作者 黄堃 胡涵清 +1 位作者 赵东明 王博 《电信工程技术与标准化》 2023年第10期6-12,共7页
本文基于自然语言处理技术和深度学习算法,挖掘运营商投诉工单中结构化和非结构化内容的语义特征规律,构建了面向运营商网络投诉派单场景的大规模多标签智能分类模型TBF。本文使用包括编码器模块和解码器模块的端到端框架构建模型。编... 本文基于自然语言处理技术和深度学习算法,挖掘运营商投诉工单中结构化和非结构化内容的语义特征规律,构建了面向运营商网络投诉派单场景的大规模多标签智能分类模型TBF。本文使用包括编码器模块和解码器模块的端到端框架构建模型。编码器模块使用嵌入层将输入数据中的原始字段转化成向量表示后,使用文本卷积神经网络和双向长短期记忆网络分别对不同数据类型字段的向量表示进行特征抽取并使用前馈神经网络进行特征融合。解码器模块是多层感知机分类器组成的分类器链结构,用来接收编码器模块的融合结果并预测输出各层级投诉类别标签,从而实现对网络投诉工单的智能分类,达到节约人力成本、提升派单质效的数智化转型目的。通过在运营商实际生产环境中的测试和应用,取得了较为满意的效果,成功助力运营商的客户满意度改善。 展开更多
关键词 自然语言处理 深度学习 文本卷积神经网络 双向长短期记忆网络
在线阅读 下载PDF
基于神经网络文本分类方法的甲状腺结节恶性风险评估 被引量：2
4
作者 温俊 彭丽 +3 位作者 郭珊 杜德洁 孙勇 江慧锋 《中国数字医学》 2023年第3期73-79,104,共8页
甲状腺结节是常发的内分泌疾病,颈部超声检查是其常用且有效的技术检测手段。超声科医师通过综合甲状腺结节形态、包膜、纵横径之比、结节内钙化灶等特征可评估恶性肿瘤风险等级。为避免评估时人工经验的不足或偏差,本研究提出了基于深... 甲状腺结节是常发的内分泌疾病,颈部超声检查是其常用且有效的技术检测手段。超声科医师通过综合甲状腺结节形态、包膜、纵横径之比、结节内钙化灶等特征可评估恶性肿瘤风险等级。为避免评估时人工经验的不足或偏差,本研究提出了基于深度神经网络的超声检查所见文本分类方法实现甲状腺结节恶性风险评估。TextCNN、双向LSTM和CNN+GRU 3种分类模型经实际超声检查数据样本的训练与测试,其中CNN+GRU模型的评估准确性达到了95%以上,表明基于神经网络的文本分类法应用于甲状腺结节超声检查的风险评估是可行且有效的,同时实验还表明该方法不依赖于分词技术与专用的医学字典,对于临床应用具有很好的适应性。 展开更多
关键词 甲状腺结节 文本分类 TI-RADS textcnn 双向lstm CNN+GRU
暂未订购
基于BERT与密集复合网络的长文本语义匹配模型 被引量：4
5
作者 陈岳林 高铸成 蔡晓东 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第1期232-239,共8页
针对长文本语义匹配中词向量前后之间联系不易捕获以及主题信息可能不唯一,通常使得语义匹配效果不佳的问题,提出了一种基于BERT与密集复合网络的长文本语义匹配方法,通过BERT嵌入与复合网络的密集连接,显著提高了长语义匹配的准确率。... 针对长文本语义匹配中词向量前后之间联系不易捕获以及主题信息可能不唯一,通常使得语义匹配效果不佳的问题,提出了一种基于BERT与密集复合网络的长文本语义匹配方法,通过BERT嵌入与复合网络的密集连接,显著提高了长语义匹配的准确率。首先,将句子对输入BERT预训练模型,通过迭代反馈得到精准的词向量表示,进而得到高质量的句子对语义信息。其次,设计了一种密集复合网络,先由双向长短期记忆网络(Bi-LSTM)获得句子对的全局语义信息,然后由TextCNN提取并整合局部语义信息得到每个句子的关键特征和句子对间的对应关系,并将BERT与Bi-LSTM的隐藏输出与TextCNN的池化输出融合。最后,汇总训练过程中网络之间的关联状态,可以有效防止网络退化和增强模型判断能力。实验结果表明,在社区问题回答(CQA)长文本数据集上,本文方法平均提升幅度达到45%。 展开更多
关键词 深度学习 长文本语义匹配 BERT 密集复合网络 Bi-lstm textcnn
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部