卷积神经网络在中文问题分类中的应用 |
| |
引用本文: | 籍祥.卷积神经网络在中文问题分类中的应用[J].教育技术导刊,2018,17(9):25-27. |
| |
作者姓名: | 籍祥 |
| |
作者单位: | 昆明理工大学 信息工程与自动化学院,云南 昆明 650500 |
| |
摘 要: | 问答系统是自然语言处理领域一个非常热门的研究方向,问题分类是问答系统非常重要的环节。传统问题分类需要人工制定特征提取策略并不断优化特征规则,该方法准确率不高且费时费力。传统卷积神经网络模型先通过卷积核提取能表示问句特征的向量,再经过max-pooling后得到一个特征值,并未考虑句子的结构信息,在训练时容易发生过拟合。针对上述问题,采用分段池化操作,引入句子结构信息,在不同分段上提取句子的主要特征并加入Dropout算法,提高模型的泛化能力,防止模型过拟合。实验结果表明,该方法能提高模型准确率,在TREC 6分类问题数据集上准确率高达89.2%,在银行57分类数据集上准确率也达到了64.5%。
|
关 键 词: | 问题分类 word2vec 卷积神经网络 分段池化 Dropout算法 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |