基于多类型池化的卷积神经网络的文本分类算法
准确地形式化表述句子对于语义理解是至关重要的.这篇文章中采用的卷积结构称为多类型池化的卷积神经网络,为句子建立语义模型.网络对线性序列进行多类型的动态池化操作.网络能够处理长度不等的句子并准确提取不同范围内词语之间的关系.网络不依赖于任何解析树,能够容易地应用于其他语言.对三组数据进行了测试:三组数据均取得较好的效果,优于或持平当前的最好文本分类算法.
深度学习、文本分类、多类型池化
12
TP393(计算技术、计算机技术)
上海市科委科研计划项目16JC1403000;上海市科技创新行动计划14511108002
2017-04-10（万方平台首次上网日期，不代表论文的发表时间）
共4页
187-189,211
