10.3969/j.issn.1672-9870.2019.05.023
在线学习情感分类模型研究
本文结合Adadelta算法学习率自适应调整和Adam算法避免了训练后期频繁抖动的特点,提出了Adamdelta算法,解决了传统FTRL-Proximal在线学习算法学习率随着训练次数增加逐渐消失的问题.使用一阶和二阶矩估计进行偏差修正调整FTRL-Proximal算法学习率,再使用梯度下降求解模型权重参数,进而得到LR模型,并以此模型完成在线学习情感分类工作.为了验证改进算法的优越性,利用IMDB电影评论文本做实验数据,与5种模型进行对比分析.实验表明,改进算法具有更好的分类效果,有效的提高了分类器的准确率和召回率.
在线学习、学习率、梯度下降、情感分类
42
TP391(计算技术、计算机技术)
吉林省重大科技招标项目20170203004GX;吉林省产业技术研究与开发专项项目2016C090
2019-12-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
102-108,115