[发明专利]基于多角度卷积神经网络与循环神经网络的文本分类算法有效
申请号: | 201711212319.0 | 申请日: | 2017-11-28 |
公开(公告)号: | CN107943967B | 公开(公告)日: | 2020-05-22 |
发明(设计)人: | 董敏;汤雪;毕盛 | 申请(专利权)人: | 华南理工大学 |
主分类号: | G06F16/35 | 分类号: | G06F16/35;G06N3/04;G06N3/08;G06K9/62 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 冯炳辉 |
地址: | 510006 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于多角度卷积神经网络与循环神经网络的文本分类算法,包括步骤:1)对文本进行多角度的卷积神经网络的建模,包括不同的滑窗宽度、过滤器和池化类型,得到一种特征表达;2)对文本进行双向LSTM循环神经网络的建模,得到另一种特征表达;3)对文本的两种特征表达进行特征融合,利用SVM分类器,得到文本的分类。本发明将多粒度、多种卷积、多种池化融入到卷积神经网络中,将双向传播引进LSTM循环神经网络,得到两种文本高层特征表达,通过特征融合方式,建立SVM分类模型,得到文本分类结果。本发明能够捕获不同的文本高层特征表达,通过特征融合,得到文本更丰富的特征表达,建立SVM分类模型,提高分类效果。 | ||
搜索关键词: | 基于 角度 卷积 神经网络 循环 文本 分类 算法 | ||
【主权项】:
基于多角度卷积神经网络与循环神经网络的文本分类算法,其特征在于,包括以下步骤:1)对文本进行多角度的卷积神经网络的建模,包括不同的滑窗宽度、过滤器类型和池化类型,去掉最后一层softmax层,得到文本的第一种特征表达;2)对文本进行双向LSTM循环神经网络的建模,去掉最后一层softmax层,得到文本的第二种特征表达;3)对文本的两种特征表达进行特征融合,利用SVM分类器,得到文本的分类。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201711212319.0/,转载请声明来源钻瓜专利网。