[发明专利]基于多分类节点卷积循环网络的文本特征提取及分类方法在审
| 申请号： | 201810384910.2 | 申请日： | 2018-04-26 |
| 公开（公告）号： | CN108595643A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 唐贤伦;林文星;万辉;杜一铭;魏畅;昌泉;杨济维;伍亚明 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27;G06N3/04 |
| 代理公司： | 重庆市恒信知识产权代理有限公司 50102 | 代理人： | 刘小红;陈栋梁 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明请求保护一种基于多分类节点卷积循环网络的文本特征提取及分类方法。首先对文本数据进行预处理生成词向量；然后一维卷积网络提取多个词的词向量的组合特征；分别将提取到的词语组合特征输入双向长短期记忆循环网络和多重卷积网络中。其中双向长短期记忆循环网络的输出作为主分类器的输入，多重卷积网络含有辅分类器，辅助网络训练。优化加权后的总损失函数，并对主分类器进行性能测试并实现分类。本发明能够获得较高的分类准确率。 | ||
| 搜索关键词： | 循环网络 卷积 文本特征提取 分类节点 词向量 分类器 分类 预处理 分类准确率 词语组合 辅助网络 损失函数 特征输入 网络提取 文本数据 性能测试 一维卷积 组合特征 主分类 加权 网络 输出 优化 | ||
【主权项】：
1.一种基于多分类节点卷积循环网络的文本特征提取及分类方法，其特征在于，包括以下步骤：步骤1：采用包括分词、清洗文本、词向量训练在内的步骤预处理文本语料；步骤2：使用一维卷积网络获取步骤1预处理后的多个词语的组合特征；步骤3：使用双向长短期记忆循环网络提取步骤2所得的特征的时序信息，生成句子的特征表达，并作为主分类器的特征输入；步骤4：使用多重卷积网络将步骤2所得的特征再次组合，生成句子的特征表达，并作为辅分类器的特征输入；步骤5：加权得到总损失函数，采用RMSprop基于批量梯度下降优化损失函数降至最低；步骤6：对主分类器进行性能测试并实现分类。
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重庆邮电大学，未经重庆邮电大学许可，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/201810384910.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种搜索应用程序内信息的方法及设备
- 下一篇：一种大数据平台运维管理系统
