| 基于ERNIE-CAB-CNN的稀土專利文本分類模型 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>4277 K | |
| 標簽： 稀土專利分類 文本分類 類別注意力 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對稀土專利文本專業性強的特點以及現有的文本分類方法存在的不足，鑒于類別注意力在計算機視覺領域的廣泛應用和取得的良好效果，提出了一種用于文本分類的類別注意力模塊（Category Attention Module，CAB），并結合預訓練模型ERNIE和卷積神經網絡（Convolutional Neural Networks，CNN）構建了一個用于稀土專利文本分類的創新模型ERNIE-CAB-CNN。模型使用ERNIE對專利文本進行向量化，得到語義信息更加豐富的向量表示后，通過CAB為文本中各個類別的重要特征賦予較高權值，使模型可以更準確地區分不同類別的特征。最后用CNN進一步提取文本中其他關鍵局部特征，得到的最終文本向量表示用于分類。通過Patsnap專利數據庫官方網站檢索下載稀土專利數據構建數據集進行實驗，實驗結果表明，稀土專利文本分類模型ERNIE-CAB-CNN在測試集上分類的準確率、精確率、F1分數分別為82.68％、83.2％、82.06％，取得了良好的分類效果。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2