10.3969/j.issn.1003-0077.2020.06.010
用于文本分类的均值原型网络
文本分类是自然语言处理的基本任务之一.该文在原型网络基础上,提出了按时序移动平均方式集成历史原型向量的均值原型网络,并将均值原型网络与循环神经网络相结合,提出了一种新的文本分类模型.该模型利用单层循环神经网络学习文本的向量表示,通过均值原型网络学习文本类别的向量表示,并利用文本向量与原型向量的距离训练模型并预测文本类别.与己有的神经网络文本分类方法相比,模型在训练和预测过程中有效利用了样本间的特征相似关系,并具有网络深度浅、参数少的特点.该方法在多个公开的文本分类数据集上取得了最好的分类准确率.
文本分类、均值原型网络、自集成学习
34
TP391(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共9页
73-80,88