基于CNN-BLSTM的化妆品违法违规行为分类模型
针对化妆品安全监管部门抽样检测所含违法违规行为自动识别且分类困难的问题,建立语义分类自动识别模型,辅助有关部门构建智能化管理体系,依靠数据实现科学决策及有效监管.本文分别使用中文词向量及字向量作为双路模型输入,采用CNN(convolutional neural network)网络模型训练字向量,BLSTM(bidirection-al long short-term memory)网络模型训练词向量,并在BLSTM中引入位置注意力机制,构建基于CNN-BLSTM 的字词双维度化妆品违法违规行为分类模型.在染发类化妆品抽样检测数据集上进行的对比实验结果表明,CNN-BLSTM模型准确率比常用的几种深度神经网络模型均有明显提高,验证了其合理性和有效性.
化妆品;双维度模型;自然语言处理;位置感知;注意力机制;卷积神经网络;双向长短时记忆网络
16
TP391(计算技术、计算机技术)
国家自然科学基金项目;教育部人文社会科学研究青年基金项目;北京市自然科学基金项目;北京市教委科研计划项目
2021-12-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
1151-1157