| 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 | |
| 文檔大小：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(yè)性強的特點以及現(xiàn)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(jīng)網(wǎng)絡（Convolutional Neural Networks，CNN）構建了一個用于稀土專利文本分類的創(chuàng)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(qū)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(shù)據(jù)庫官方網(wǎng)站檢索下載稀土專利數(shù)據(jù)構建數(shù)據(jù)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(shù)分別為82.68％、83.2％、82.06％，取得了良好的分類效果。 | |
| 現(xiàn)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。 | |
稀土專利分類 相關資源
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權所有 京ICP備10017138號-2