欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201910284597X
申请人: 华侨大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种集成浅层语义预判模态的深度学习文本分类方法,其特征在于,包括以下步骤:S1:输入文本语料,采用结巴分词工具对语料进行分词;

S2:计算浅层语义预判模式SDG,如下:

S21:从以下八个方面来挖掘行业词汇从而构建浅层语义词典:(1)开源词典Dopen;(2)否定副词词典Dnot;(3)程度副词词典Dadv;(4)网络词典Dnet;(5)符号词典Demoticon;(6)语气词词典Dmood;(7)领域词典Dprofession;(8)其他包括手工构建的词典Dother;

S22:利用训练语料计算出每个浅层语义词汇属于每个类别的概率,形成浅层语义词汇概率表;

S23:基于步骤S21中得到的浅层语义词典,提取每条语料中的浅层语义词汇;

S24:基于步骤S22得到的浅层语义词汇概率表和步骤S23得到的每条语料中的浅层语义词汇,利用求和归一化的方式计算出这条语料的预判概率,即形成浅层语义预判模式SDG;

S3:集成浅层语义预判模态的CNN分类模型构建,如下:S31:准备有监督文本学习样本集D=[文本语料X、文本类别Y],其中每一个样本由一条文本语料x及其真实标签y所形成;

S32:初始化CNN网络;

S33:选取学习样本集D的任一样本(x,y),将其文本语料x送入CNN进行前向传播计算,得到其模式输出ρCNN;

S34:基于步骤S2提出的浅层语义预判模式计算方法,计算出文本语料x对应的浅层语义预判模式输出ρSDG;

S35:将ρCNN和ρSDG进行相加并归一化形成决策模式,进而输出针对文本语料x的预测类别y′;

S36:根据文本语料x的真实标签y和预测类别y′的差距来对CNN模型进行参数优化;

S37:基于步骤S36中已经训练好的CNN网络,将一条被测文本语料x送入CNN进行前向传播计算,得到其预测类别y′。