典型文献
基于深度学习的嵌入式主题模型研究
文献摘要：
近年来,火灾报警涉及的建筑遍及各行各业.为了对火灾涉及的不同建筑进行有效划分,从而更好地预防,文章通过改进短文本分类过程中的特征提取,从而使建筑分类更加科学、准确.特征提取作为短文本分类特征工程中的一个步骤,在整个短文本分类过程中尤为重要,也是短文本分类中的一个难点问题.文章基于ELECTRA的嵌入式主题模型(ETM),进行短文本处理,获取特征向量,为后续特征降维、分类器的学习作出了铺垫,同时也有效解决了文本中一词多义的问题.文章也为提高建筑分类的准确率和效率,为从事建筑火灾预防的其他研究人员的研究提供了实际借鉴意义.
文献关键词：
深度学习;ELECTRA;主题模型;词嵌入;短文本分类
中图分类号：
作者姓名：
吴少康;刘磊;曹恒
作者机构：
安徽建筑大学电子与信息工程学院,安徽合肥230601;清华大学合肥公共安全研究院,安徽合肥230601
文献出处：
引用格式：
[1]吴少康;刘磊;曹恒-.基于深度学习的嵌入式主题模型研究)[J].电脑知识与技术,2022(28):7-10
A类：
B类：
主题模型,火灾报警,遍及,短文本分类,分类过程,建筑分类,分类特征,特征工程,ELECTRA,ETM,文本处理,特征向量,特征降维,分类器,习作,铺垫,一词多义,建筑火灾,火灾预防,词嵌入
AB值：
0.30391
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
