基于上下文感知自适应卷积网络的实验室文本分类

当前卷积神经网络模型运用在实验室长文本分类时,存在着特征提取不恰当、语义信息表示不完全而导致的分类不准确的问题。为了解决这一问题,文中通过构建上下文感知自适应卷积网络(CACN),采用多尺度卷积核对潜在特征进行融合,从而更好地提取单词特征的上下文信息。为验证该方法的有效性,在三个公开长文本数据集上对改进后的CACN文本分类方法进行了性能评估,在AG News、Yelp_F、Yelp_P三个长文本数据集上分类准确率分别达到了92.6%、65.5%、95.8%。

资料为PDF文档格式.

本文档关键词:上下文,感知,文本,实验室,网络