[发明专利]基于循环神经网络变体和卷积神经网络的文本分类方法有效
| 申请号： | 201811216633.0 | 申请日： | 2018-10-18 |
| 公开（公告）号： | CN109376242B | 公开（公告）日： | 2020-11-17 |
| 发明（设计）人： | 李云红;梁思程;汤汶;慕兴;张轩;张欢欢;聂梦瑄 | 申请（专利权）人： | 西安工程大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/332;G06N3/04;G06N3/08;G06F40/30;G06F40/289 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 杜娟 |
| 地址： | 710048 *** | 国省代码： | 陕西;61 |
| 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循环神经网络变体和卷积神经网络的文本分类算法，具体为：步骤1，对数据集SogouC和数据集THUCNews进行预处理，并将两个数据集均分为训练集和测试集，并将各自训练集和测试集中的文本数据均训练为句向量；步骤2，利用步骤1中两个数据集中的训练集中文本建立BGRU‑CNN混合模型，步骤3，建立目标函数，采用随机梯度下降方法训练经步骤2建立好的BGRU‑CNN混合模型；步骤4，将两个数据集中将测试集的文本句向量输入经步骤3训练好的BGRU‑CNN混合模型中，得到分类结果。本发明解决了现有技术中存在的长文本在文本分类时提取语义关键特征难度大，分类效果差的问题。 | ||
| 搜索关键词： | 基于 循环 神经网络 变体 卷积 文本 分类 方法 | ||
【主权项】：
1.基于循环神经网络变体和卷积神经网络的文本分类算法，其特征在于，具体按照以下步骤实施:步骤1，对数据集SogouC和数据集THUCNews进行预处理，并将经过预处理的数据集SogouC和数据集THUCNews均分为训练集和测试集，并将各自训练集和测试集中的文本数据均训练为句向量；步骤2，利用步骤1中两个数据集中的训练集中文本建立BGRU‑CNN混合模型，具体为：将两个数据集中训练集的文本句向量，经过循环层捕捉句子上下文信息，卷积层提取文本的关键特征，通过Softmax分类，输出文本属于某个类别的概率；步骤3，建立目标函数，采用随机梯度下降方法训练经步骤2建立好的BGRU‑CNN混合模型；步骤4，将两个数据集中将测试集的文本句向量输入经步骤3训练好的BGRU‑CNN混合模型中，得到分类结果。
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西安工程大学，未经西安工程大学许可，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/201811216633.0/，转载请声明来源钻瓜专利网。
