[发明专利]基于深度学习的词句级短文本分类方法在审
| 申请号： | 201910901086.8 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110717330A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 杨悦;孟宪禹 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/30;G06F16/35;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于深度学习的词句级短文本分类方法，属于自然语言处理技术领域。该方法基于词向量技术将词特征与句特征结合以表现复杂文本特征，通过卷积神经网络多个卷积核对单句句内的词向量进行卷积池化并连接全部特征图获得句向量，再将句向量按时序输入长短期记忆网络进行上下文关联以更好的表达文本内容。将待分类短文本数据经分句、分词、去除停用词并转化词向量等处理后输入词句级卷积循环神经网络进行训练，最终可获得短文本分类模型并完成短文本分类任务。该方法在测试的中文垃圾电子邮件分类与新闻文本分类上均有着较好的表现。 | ||
| 搜索关键词： | 短文本分类 词向量 卷积 向量 分类 自然语言处理技术 卷积神经网络 垃圾电子邮件 循环神经网络 上下文关联 复杂文本 记忆网络 输入词句 特征结合 文本内容 新闻文本 短文本 特征图 停用词 池化 分词 分句 去除 词句 核对 表现 测试 中文 转化 学习 | ||
【主权项】：
1.基于深度学习的词句级短文本分类方法，其特征在于，包括：/n步骤一：获取待分类的文本数据及标签；/n步骤二：处理文本数据，通过Word2Vector训练获得词向量源表与检索词向量源表的词标签表；/n步骤三：通过识别尾缀符对文本数据进行分句处理，之后递归的对每个句子进行分词、去除停用词操作，最后通过词标签表检索词向量源表中的词向量来表示词，并根据句内词维数与句子要求进行Padding操作；最终将文本转化为y×x×z的三维张量，其中y为句维数、x为句内词维数、z为词向量维数；/n步骤四：使用多卷积核对输入张量进行一维卷积计算，卷积后的特征图高度为H
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910901086.8/，转载请声明来源钻瓜专利网。
