一种集成浅层语义预判模态的深度学习文本分类方法

授权

摘要

本发明公开了一种集成浅层语义预判模态的深度学习文本分类方法，方法包括：首先对文本语料实施常规的CNN深度学习训练，包括词嵌入、卷积、池化和模式输出；其次利用领域词汇字典作为浅层语义词汇，基于浅层语义词汇，计算浅层语义预判模式；接下来将浅层语义预判模态和深度学习决策模态进行双模态融合，作为SDG‑CNN模型最终的决策模式，进而以该决策模式构建损失函数和实施参数优化。本发明解决了传统深度学习模型在模型优化过程中缺乏背景知识和语义信息，信息模态单一的缺陷，提升了深度学习文本分类模型的性能。

基本信息

专利标题：

一种集成浅层语义预判模态的深度学习文本分类方法

专利标题（英）：

暂无

公开（公告）号：

CN110059187A

申请号：

CN201910284597.X

公开（公告）日：

2019-07-26

申请日：

2019-04-10

授权号：

CN110059187B

授权日：

2022-06-07

发明人：

王华珍李小整何霆贺惠新李弼程

申请人：

华侨大学

申请人地址：

福建省泉州市丰泽区城东城华北路269号

代理机构：

厦门市首创君合专利事务所有限公司

代理人：

张松亭

优先权：

CN201910284597.X

主分类号：

G06F16/35

IPC分类号：

G06F16/35 G06F17/27

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F16/35

••聚类；分类

法律状态

2022-06-07 ：

授权

2019-08-20 ：

实质审查的生效

IPC(主分类) : G06F 16/35
申请日 : 20190410

2019-07-26 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载