一种集成浅层语义表示向量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表示向量的深度学习文本分类方法，方法包括：首先对文本语料训练词嵌入向量，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，生成文本语料中每一个词的浅层语义向量表达。接下来将两个词向量进行加权拼接作为新的词向量输入到CNN模型中，进行特征提取和模型训练，构建文本分类器。本发明解决基于大数据驱动的词向量表达缺少词法特征和知识表示，难以真正理解词汇语义信息的缺陷，使得模型具有更加丰富的特征表达和更高的分类性能。
基本信息
专利标题 ：
一种集成浅层语义表示向量的深度学习文本分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN110069632A
申请号 ：
CN201910284980.5
公开（公告）日 ：
2019-07-30
申请日 ：
2019-04-10
授权号 ：
CN110069632B
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 ：
CN201910284980.5
主分类号 ：
G06F16/35
IPC分类号 ：
G06F16/35 G06F17/27 G06N3/04 G06N3/08
IPC结构图谱
G
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
2019-08-23 ：
实质审查的生效
IPC(主分类) : G06F 16/35
申请日 : 20190410
申请日 : 20190410
2019-07-30 ：
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
