典型文献
基于略读模块的神经快速阅读
文献摘要：
循环神经网络(RNN)广泛应用于时间序列的自然语言处理任务中,由于RNN网络的顺序特性,所有输入都会被读取到网络中,推理速度随输入长度的线性增加而减慢.为了解决这个问题,本研究提出一种基于略读模块的长短期记忆网络(LSTM)模型,在推理时快速读取答案相关内容,忽略重要句子中无关的词和文本中不重要的部分.本模型适用于文本分类、情感分析和阅读理解等多类文本任务,为了确保和标准LSTM精度相同,选取了 5个同类快速阅读模型进行实验对比,实验结果表明,本模型消耗的浮点运算次数(FLOP)较少,阅读推理过程快.
文献关键词：
机器阅读;长短期记忆网络模型;快速神经网络;强化学习
中图分类号：
作者姓名：
侯磊;蒙会民;李旭;兰振平
作者机构：
大连工业大学信息科学与工程学院,辽宁大连 116034
文献出处：
引用格式：
[1]侯磊;蒙会民;李旭;兰振平-.基于略读模块的神经快速阅读)[J].大连工业大学学报,2022(02):136-141
A类：
快速神经网络
B类：
略读,快速阅读,循环神经网络,RNN,自然语言处理,读取,取到,推理速度,减慢,速读,句子,不重,文本分类,情感分析,阅读理解,保和,阅读模型,实验对比,浮点运算,FLOP,推理过程,机器阅读,长短期记忆网络模型,强化学习
AB值：
0.412552
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。
