共查询到20条相似文献,搜索用时 234 毫秒
1.
文本情感分析通过提取文本特征,根据文本中的情感倾向进行分类.研究表明,递归神经网络和卷积神经网络模型具有良好的性能.为提高文本情感分类性能,提出一种融合注意力和比较增强学习机制的混合网络情感分析模型,用比较增强学习机制进行分类来替代大量的复杂计算.该模型通过嵌入层向量化后,分别用CNN和双向门控循环单元提取不同特点的文... 相似文献
2.
深度神经网络模型通常使用注意力机制或融合卷积神经网络来提取特征,但由于注意力机制抓取的特征过于单一,存在提取特征不完善的问题。 将循环机制引入卷积神经网络中,构建了具有双循环结构的网络模型(DRCNN),从而改善模型的特征提取能力,将其与双向长短期记忆网络结合,提出一种带有注意力机制、特征提取能力更强的混合模型(BiLSTM-DRCNN)并应用于情感分类任务中。通过情感分类的实验分析表明,BiLSTM-DRCNN 神经网络模型具有比较好的性能,与融合卷积神经网络(CNN)和双循环长短期记忆神经网络(BiLSTM)模型相比,综合评价指标提高2%以上;与BiLSTM-CNN、Fusion Model 模型相比,综合评价指标提高了近1%,且收敛速度更快。 相似文献
3.
文本分类是自然语言处理中的一项重要基础任务,指对文本集按照一定的分类体系或标准进行自动分类标记。目前网络文化监督力度不够、不当言论不受限制,导致垃圾评论影响用户体验。因此提出一种基于注意力机制的CLSTM混合神经网络模型,该模型可以快速有效地区分正常评论与垃圾评论。将传统机器学习SVM模型和深度学习LSTM模型进行对比实验,结果发现,混合模型可在时间复杂度上选择最短时间,同时引入相当少的噪声,最大化地提取上下文信息,大幅提高评论短文本分类效率。对比单模型分类结果,基于注意力机制的CLSTM混合神经网络模型在准确率和召回率上均有提高。 相似文献
4.
《实验室研究与探索》2020,(7)
随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率。在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型。该神经网络能够通过添加注意力机制获取图像重要信息,以解决数据敏感问题,提高网络整体性能。在复杂树种叶片公开数据集Leafsnap和公共数据集SVHN上分别取得了91.25%和98.27%的分类精确率。实验结果表明,基于注意力机制的DenseNet模型分类效果明显优于其他网络模型。 相似文献
5.
6.
为了解决垃圾的自动分类问题,基于动态对抗适应网络,提出了一种融入空间注意力机制的垃圾图像分类算法。在训练迭代过程中,算法通过利用领域鉴别器与特征提取器的相互对抗,不断增强领域鉴别器的识别能力与特征提取器的迷惑能力,让模型学习获得更多的领域不变量;并针对模型的参数进行不断优化更新,最终达到领域适应的目的。同时,将空间注意力模块融入领域对抗自适应中,使得网络更加关注与分类任务有关的关键区域,使模型能够定位到感兴趣的信息,并对无用信息进行抑制。在垃圾数据集上的实验结果表明,所提模型可以取得较好的分类效果,且优于对比算法。 相似文献
7.
提出了一种循环神经网络(RNN)与图卷积网络(GCN)相结合的动态网络表征生成方法,称为RSage.RSage通过GCN采样、聚合邻居节点信息来学习归纳拓扑信息,并用RNN来学习动态网络的时序特征.该方法不仅适用于小规模动态网络,也可以扩展到大规模动态网络上表征.在3个现实世界的数据集上进行实验,评估RSage在节点分类和链接预测等任务上的性能.与其他方法相比,RSage取得了较优越的效果. 相似文献
8.
在情感分析领域,仅依靠文本等单一模态进行情感分析,限制了从多模态数据中提取多样化特征的能力,限制了情感分析结果的准确度和鲁棒性。为此,提出了融合音频分析网络和文本分析网络的多模态情感分析方法。其中,利用预训练卷积神经网络(CNN)和迁移学习技术进行基于Mel频谱图的音频情感分类,通过改进的XLNet模型执行歌词文本的特征提取和情感分类任务。CNN和XLNet输出包含概率权重和不同情感值的情感预测矩阵,最后使用堆叠集成方法合并不同模态的输出结果,完成多模态情感分类。在自建民族音乐数据集的消融实验证明,多模态方法具有良好的互补性,在情感识别任务中的性能显著优于单模态方法。公开数据集结果表明,所提方法的分类准确度达到83.75%,优于其他先进方法。 相似文献
9.
特定目标情感分类不仅依赖于上下文信息,还需结合特定目标的特征信息,是一种细粒度的情感分析。针对特定目标情感分类提出了一种基于深度记忆网络的分类模型。该模型以双向LSTM和注意力机制为主干框架,从双向LSTM中抽取出目标的特征表示,将目标特征信息加入句子表示中,并加入多计算层(Hops)结构,用以挖掘句子和目标更深层次的情感特征信息,每个计算层的结构类似,共享参数。最后在SemEval2014和SemEval2016数据集上进行实验,取得了比其它基准模型更好的效果。 相似文献
10.
网络节点可信的QoS路由是当前研究热点。针对现有研究成果不具备动态评估网络节点可信度能力,提出一种启发式算法,该算法引入元胞自动机和复杂网络SI模型,建立具有全局协同机制的网络节点可信度动态评估模型,有效降低了网络节点可信度评估误差,提高QoS路由可信度。实验表明,该算法比同类路由具有更好的可扩展、可信性及可靠性。 相似文献
11.
情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值。目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程。针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络(CNN)和双向长短时记忆网络(BLSTM)进行组合,并将融合后的特征添加至注意力机制,设计出CBLSTM-Attention模型。实验表明,该模型在中文数据集上准确率达0.965 0,在NLPCC英文数据集上准确率达0.942 2,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题。 相似文献
12.
为了解决软件众包任务定价决策阶段可用信息有限的问题,提出一种基于层次注意力模型的软件众包定价方法。利用层次注意力模型提取软件众包任务需求文本语义特征,可以在需求文本中自动发掘与任务价格相关的有效信息。此外,将文本划分成词和句两个层次对全文进行有重点的表示,可以更好地表示文本特征。实验结果表明,该方法能够有效克服生产环境的局限性,降低特征提取难度,并在一定程度上提高了预测性能。 相似文献
13.
14.
庄永强 《福建工程学院学报》2023,(4):327-331
提出一种基于注意力机制融合轻量化网络的桥梁裂缝图像分类方法。以轻量化卷积神经网络为理论基础分类识别桥梁裂缝图像,并在轻量化网络中加入注意力机制以解决网络无法自主关注所感兴趣区域的问题。根据桥梁图像中裂缝所占比例较小且边缘突出的特点,选用适合于识别桥梁裂缝的注意力机制——CBAM(convolutional block attention module),并将其嵌入轻量化卷积神经网络EfficientNetv2中,建立CBAM-EfficientNetv2模型。实验结果表明:CBAM-EfficientNetv2模型与VGG16、ResNet34等常用深度学习模型对比,可获得最优的桥梁裂缝图像分类效果,其分类识别准确率达到95.64%。 相似文献
15.
基于CNN的迁移模型用于铝型材表面瑕疵分类识别研究中,未考虑所提取的瑕疵特征图中冗余信息对分类性能的影响.针对该问题,提出了一种基于集成迁移学习的铝型材瑕疵分类方法,首先基于CNN的传统迁移模型自动获取铝型材瑕疵特征,再利用多尺度膨胀卷积对所提取的铝型材瑕疵特征进行稀疏采样,获取多组差异化的瑕疵特征,通过训练生成一组具有差异化的CNN分类器,并将其集成.实验结果证明,该方法相对于传统基于CNN的迁移模型,在铝型材瑕疵分类上,具有更高的分类准确率,性能更优. 相似文献
16.
针对传统点云分类网络不能较好结合全局特征和局部特征信息、导致分类精度不够高的问题,提出一种包含注意力机制的特征融合模型。通过构建多尺度网络,增大网络感受野,从而获得不同程度特征。采用注意力机制进行特征融合,使得局部特征和全局特征相互补偿,增强特征描述符的语义丰富性,获得上下文有效信息,以此提高整体的分类精度。在公开数据集ModelNet 40上对该算法进行验证,取得92.85%的分类精度,验证该网络模型的可行性。 相似文献
17.
在草莓生长过程中,遭受病虫害种类多且自然背景下难以被准确识别,就此提出一种基于AM-YOLOX草莓病虫害检测算法。该方法以YOLOX-s模型为基础,在网络的不同位置,根据不同注意力机制的作用,融合多种不同的注意力机制,使网络模型能更有效地学习和融合图像特征;引入CIoU目标回归损失函数,提高网络对草莓病虫害的定位精度;在训练阶段,使用Mosaic和Mixup算法进行数据增强,使得网络面对复杂环境有更好的鲁棒性。实验结果表明,AM-YOLOX对7种草莓病虫害的检测有着优异的综合表现,并能最大程度地避免病虫害的误检和漏检。 相似文献
18.
新闻文本分类是长文本分类的典型问题,因此提取词与词之间的关系特征就尤为重要.提出了基于双向Transformer编码表示的预训练模型(Bidirectional Encoder Representations from Transformers, BERT)和双向长短时记忆网络(Bi-directional Long Short-Term Memory, BiLSTM)以及注意力机制的对抗训练分类模型(BBA-AT).将预处理新闻文本数据经过BERT进行训练得到词嵌入编码,在训练后的词向量级别上进行扰动达到数据增广的效果,以此来进行对抗训练,之后通过双向长短时记忆网络对数据集进行编码提取双向语义表征.本文提出的BBA-AT模型F1值在TNEWS数据集上比BERT模型提升了1.34%. 相似文献
19.
为提升水下退化图像的质量,提出了一种基于两阶段注意力机制的快速水下图像增强算法.首先,在特征内采用自注意力机制来加强网络对重要信息的关注.然后,通过交叉注意力机制,将基于物理先验的水下传输图融入网络,以增强网络对质量退化区域的特征表达.最后,从主观和客观标准出发,设计了多项联合损失函数,引导网络获得更好的视觉增强效果.3个基准数据集上的实验结果表明,与5种水下图像增强方法相比,所提方法的峰值信噪比和结构相似性分数更高,性能明显更优.该方法不仅能有效恢复图像颜色和纹理细节,而且具备实时高效的处理速度. 相似文献