期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于注意力机制Bi-LSTM算法的双语文本情感分析 被引量：19
1
作者 翟社平 杨媛媛 +2 位作者 邱程 李婧 毋志云 《计算机应用与软件》 北大核心 2019年第12期251-255,共5页
针对双语微博情感分析方法稀缺且准确率低的问题,根据相同英文词汇在不同语境下对文本情感作用不同这一事实,提出基于注意力机制的双语文本情感分析神经网络模型。该模型使用双向循环神经网络模型学习文本的特征表示,并引入注意力机制,... 针对双语微博情感分析方法稀缺且准确率低的问题,根据相同英文词汇在不同语境下对文本情感作用不同这一事实,提出基于注意力机制的双语文本情感分析神经网络模型。该模型使用双向循环神经网络模型学习文本的特征表示,并引入注意力机制,为文本不同词语赋予不同权重,得到融合特征后新的知识表示,从而实现双语文本情感识别。实验结果显示,与纯中文作为网络输入、纯英文作为网络输入和中英混合文本作为网络输入相比,注意力机制明显优于其他方法;与现有双语情感分析算法相比,该模型有效提升了情感分析的准确率。 展开更多
关键词 注意力机制 双语文本 情感分析 双向循环神经网络模型
下载PDF
基于Fasttext和多融合特征的文本分类模型 被引量：5
2
作者 张焱博 郭凯 《计算机仿真》 北大核心 2021年第7期461-466,共6页
针对传统文本分类办法无法有效应对长文本快速收敛的问题,提出了一种基于LSTM-CNN-ATTENTION机制FASTTEXT的文本分类模型。该模型使用预训练词向量将文本信息转换为词向量,通过将词向量送入CNN层、Bi-LSTM层,获得所对应的深度词向量特征... 针对传统文本分类办法无法有效应对长文本快速收敛的问题,提出了一种基于LSTM-CNN-ATTENTION机制FASTTEXT的文本分类模型。该模型使用预训练词向量将文本信息转换为词向量,通过将词向量送入CNN层、Bi-LSTM层,获得所对应的深度词向量特征,并通过Attention机制使CNN层特征与Bi-LSTM层特征交互,得到融合特征表示。同时,通过将词向量送入FASTTEXT层得到文本信息浅层表示,并与Attention机制的深层特征相拼接,将拼接后的特征映射到分类条目中实现文本分类。实验结果显示,与CNN、Bi-LSTM、AT-LSTM-CNN模型相比,该方法在取得了良好的分类效果前提下,有效地加快了模型学习速度。 展开更多
关键词 文本分类 深度学习 特征融合 注意力机制 双向循环神经网络模型
下载PDF
基于双向循环神经网络的评价对象抽取研究 被引量：2
3
作者 陈鹏 徐冰 +1 位作者 杨沐昀 李生 《智能计算机与应用》 2017年第1期71-75,共5页
评价对象抽取的研究难点在于如何精确地表示大范围的上下文信息。本文针对微博观点句,采用了基于双向循环神经网络(BRNN)的方法来抽取评价对象并对评价对象的情感倾向进行判定。BRNN的隐藏层对上下文进行了抽象,如果经过良好地训练,就... 评价对象抽取的研究难点在于如何精确地表示大范围的上下文信息。本文针对微博观点句,采用了基于双向循环神经网络(BRNN)的方法来抽取评价对象并对评价对象的情感倾向进行判定。BRNN的隐藏层对上下文进行了抽象,如果经过良好地训练,就能在循环处理句子时有效地表示远距离的有序上下文信息,而无需对上下文窗口长度进行限定。本文选择了词、词性、依存句法树以及产品词典等特征构建了BRNN模型。通过实验发现,上述4种特征组合获得了最优实验结果,通过与CRF模型的对比,本文提出的方法在相互覆盖模式下F值比CRF模型高出0.61%,验证了本文方法的有效性。本文方法在COAE2015任务3的资源受限评测任务中,获得了最好结果。 展开更多
关键词 情感分析 评价对象抽取 双向循环神经网络模型 条件随机场模型
下载PDF
基于双向多层门控循环神经网络的奶牛乳脂率预测模型研究
4
作者 朱孟宇 由楚川 赵军 《宁夏工程技术》 CAS 2024年第1期65-72,共8页
通过对奶牛乳脂率进行数据预测以及结合随机森林算法对环境数据进行精准特征选择,确定了对乳脂率影响较大的环境因素。在此基础上,提出了将随机森林算法与双向多层门控循环神经网络相结合的乳脂率预测模型(RF-BiGRU)并进行了相关实验。... 通过对奶牛乳脂率进行数据预测以及结合随机森林算法对环境数据进行精准特征选择,确定了对乳脂率影响较大的环境因素。在此基础上,提出了将随机森林算法与双向多层门控循环神经网络相结合的乳脂率预测模型(RF-BiGRU)并进行了相关实验。结果表明,该模型能够提高预测的准确性及效率。 展开更多
关键词 奶牛生理预测模型 随机森林算法 双向多层门控循环神经网络模型
下载PDF
基于CNN-BiGRU-NN模型的短期负荷预测方法 被引量：30
5
作者 曾囿钧 肖先勇 +1 位作者 徐方维 郑林 《中国电力》 CSCD 北大核心 2021年第9期17-23,共7页
为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动... 为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动窗口构造特征图作为输入,先利用CNN提取特征图中的有效信息,构造特征向量,再将特征向量作为BiGRU-NN网络的输入,采用BiGRU-NN网络进行短期负荷预测。以2016年举办的全国第九届电工数学建模竞赛试题A题中的负荷数据作为实际算例,实验结果表明:该方法与DNN神经网络、GRU神经网络、CNN-LSTM神经网络短期负荷预测法相比,有更高的预测精度。 展开更多
关键词 电力系统 短期负荷预测 卷积神经网络 双向门控循环单元 卷积神经网络-双向门控循环单元神经网络混合模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部