基本信息:
- 专利标题： 基于深度学习模型的复合文本多分类方法及系统
- 申请号：CN202110222535.3 申请日：2021-02-27
- 公开(公告)号：CN113011163B 公开(公告)日：2024-10-29
- 发明人： 卜佑军 , 孙嘉 , 陈博 , 张桥 , 王方玉 , 张鹏 , 周锟 , 伊鹏 , 马海龙 , 胡宇翔 , 李锦玲 , 张稣荣 , 路祥雨 , 张进
- 申请人： 中国人民解放军战略支援部队信息工程大学 , 网络通信与安全紫金山实验室
- 申请人地址： 河南省郑州市高新区科学大道62号
- 专利权人： 中国人民解放军战略支援部队信息工程大学,网络通信与安全紫金山实验室
- 当前专利权人： 中国人民解放军战略支援部队信息工程大学,网络通信与安全紫金山实验室
- 当前专利权人地址： 河南省郑州市高新区科学大道62号
- 代理机构： 郑州大通专利商标代理有限公司
- 代理人： 周艳巧
- 主分类号： G06F40/216
- IPC分类号： G06F40/216 ; G06F40/242 ; G06F40/284 ; G06F40/30 ; G06F16/35 ; G06F18/241 ; G06N3/0464 ; G06N3/0442 ; G06N3/047 ; G06N3/08
摘要：
本发明属于自然语言处理技术领域，特别涉及一种基于深度学习模型的复合文本多分类方法及系统，包含：将复合文本转换至词语粒度级的文本表示，对转换后的词语粒度级文本表示进行预处理，并通过词嵌入方法表示为词向量；将词向量作为深度学习模型输入，通过模型CNN卷积层提取文本特征，选取卷积后向量，并保留全局部分序列关联信息，通过模型self‑attention层为文本特征向量附加权重并进行等长向量序列拼接，利用模型LSTM循环层提取文本特征向量；通过模型池化层对文本特征向量进行平均化操作，并利用softmax分类器获取输入的文本类别概率，依据概率大小来获取文本分类结果。本发明可解决复合文本精确多分类问题，满足自然语言文本多分类预测识别的实际应用。
公开/授权文献:
- CN113011163A 基于深度学习模型的复合文本多分类方法及系统 公开/授权日：2021-06-22
IPC结构图谱:
| G06F40/216 | 使用统计方法 |