基于ERNIE-DPCNN的短文本分类研究 |
| |
引用本文: | 齐佳琪,迟呈英,战学刚.基于ERNIE-DPCNN的短文本分类研究[J].电脑编程技巧与维护,2021(4):26-27,81. |
| |
作者姓名: | 齐佳琪 迟呈英 战学刚 |
| |
作者单位: | 辽宁科技大学计算机与软件工程学院,辽宁鞍山114051 |
| |
摘 要: | 目前采用短文本分类的方法几乎都使用词向量,不管是机器学习还是深度学习本质上都是对数字的处理.将文本汉字转换成计算机可识别的数字信息是词向量的作用.ERNIE是百度提出主要针对中文设计的词向量模型.将ERNIE词向量与深金字塔卷积神经网络相融合,对中文类新闻文本标题进行文本分类处理.通过实验比较,ERNIE词向量与深金字塔卷积神经网络相结合的短文本分类模型具有较高的分类精度.
|
关 键 词: | 短文本分类 深度学习 ERNIE词向量 深金字塔卷积神经网络 |
本文献已被 万方数据 等数据库收录! |
|