本发明公开了一种集成浅层语义预判模态的深度学习文本分类方法,方法包括:首先对文本语料实施常规的CNN深度学习训练,包括词嵌入、卷积、池化和模式输出;
其次利用领域词汇字典作为浅层语义词汇,基于浅层语义词汇,计算浅层语义预判模式;
接下来将浅层语义预判模态和深度学习决策模态进行双模态融合,作为SDG‑CNN模型最终的决策模式,进而以该决策模式构建损失函数和实施参数优化。
本发明解决了传统深度学习模型在模型优化过程中缺乏背景知识和语义信息,信息模态单一的缺陷,提升了深度学习文本分类模型的性能。
类型:实用新型,实用新型,实用新型
应用领域:通用仪器仪表制造
成熟度:通过小试
交易方式:许可转让,完全转让,技术入股,资料待完善,资料待完善
类型:发明
应用领域:通用仪器仪表制造
成熟度:可规模生产
交易方式:许可转让,完全转让,资料待完善
类型:实用新型
应用领域:通用仪器仪表制造
成熟度:可规模生产
交易方式:许可转让,完全转让
类型:实用新型
应用领域:通用仪器仪表制造
成熟度:正在研发
交易方式:完全转让
类型:发明
应用领域:通用仪器仪表制造
成熟度:正在研发
交易方式:完全转让
类型:实用新型
应用领域:通用仪器仪表制造
成熟度:正在研发
交易方式:完全转让