典型文献
基于领域嵌入的循环膨胀卷积神经网络评价对象抽取方法
文献摘要：
在评价对象抽取任务当中,基于循环神经网络的方法具有前向依赖性且未能利用图形处理器(graphics processing u-nit,GPU)并行计算的能力,而基于传统卷积神经网络的方法则存在语义覆盖能力有限的问题.针对所述问题,为充分发挥模型的计算能力以及语义覆盖能力,首次将循环膨胀卷积神经网络应用于该任务,并融入领域嵌入特征,提出了一种基于领域嵌入的循环膨胀卷积神经网络模型(domain embedding iterated dilated convolutions neural network,DE-IDCNN).在评价对象抽取任务数据集L14、R14、R15、R16的实验中,取得的F1值分别为81.85、80.90、72.23、73.26,与基线模型相比取得了两个数据集实验效果的领先.经进一步实验验证,DE-IDCNN模型实现了更高的计算效率以及表现出更好的语义覆盖能力.
文献关键词：
评价对象抽取;领域嵌入;膨胀卷积神经网络
中图分类号：
作者姓名：
陈积常;周武
作者机构：
南宁学院信息工程学院 南宁530200;华南师范大学计算机学院 广州510631
文献出处：
引用格式：
[1]陈积常;周武-.基于领域嵌入的循环膨胀卷积神经网络评价对象抽取方法)[J].国外电子测量技术,2022(01):20-27
A类：
B类：
领域嵌入,膨胀卷积神经网络,神经网络评价,评价对象抽取,务当,循环神经网络,图形处理器,graphics,processing,nit,GPU,并行计算,覆盖能力,计算能力,网络应用,嵌入特征,卷积神经网络模型,domain,embedding,iterated,dilated,convolutions,neural,network,DE,IDCNN,L14,R14,R15,R16,基线模型,实验效果,模型实现,计算效率
AB值：
0.389345
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。
