CNN-SM:基于义原与多特征融合的消费品领域缺陷词识别模型

摘要：

[目的]针对消费品领域中缺陷词识别任务精度不足的问题,提出基于义原与多特征融合的消费品领域缺陷词识别模型.[方法]模型输入为融合义原信息的分布式词向量,在此基础上添加词性特征和经过随机嵌入的词位置向量,以增添词向量所包含的信息;在卷积神经网络上去除了最大池化,增加卷积核输出的深度向量所包含的信息,为单词分类提供更充分的信息.[结果]实验结果表明,所提模型相较于仅添加词位置向量的卷积神经网络模型,在精确率、召回率和Fl值上分别有0.021、0.002和0.012的提升.[局限]不同场景下的相同表述的极性识别不足.[结论]通过消融实验证明,义原、词性以及去除池化层有助于领域词识别模型性能的提升.

关键词：消费品、领域词、义原、词向量、卷积神经网络

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金;国家自然科学基金;中国标准化研究院院长基金项目

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：77-85