典型文献
CNN-SM:基于义原与多特征融合的消费品领域缺陷词识别模型
文献摘要：
[目的]针对消费品领域中缺陷词识别任务精度不足的问题,提出基于义原与多特征融合的消费品领域缺陷词识别模型.[方法]模型输入为融合义原信息的分布式词向量,在此基础上添加词性特征和经过随机嵌入的词位置向量,以增添词向量所包含的信息;在卷积神经网络上去除了最大池化,增加卷积核输出的深度向量所包含的信息,为单词分类提供更充分的信息.[结果]实验结果表明,所提模型相较于仅添加词位置向量的卷积神经网络模型,在精确率、召回率和Fl值上分别有0.021、0.002和0.012的提升.[局限]不同场景下的相同表述的极性识别不足.[结论]通过消融实验证明,义原、词性以及去除池化层有助于领域词识别模型性能的提升.
文献关键词：
消费品;领域词;义原;词向量;卷积神经网络
中图分类号：
作者姓名：
游新冬;袁梦龙;张乐;吕学强
作者机构：
北京信息科技大学网络文化与数字传播北京市重点实验室 北京100101
文献出处：
引用格式：
[1]游新冬;袁梦龙;张乐;吕学强-.CNN-SM:基于义原与多特征融合的消费品领域缺陷词识别模型)[J].数据分析与知识发现,2022(09):77-85
A类：
B类：
SM,义原,多特征融合,消费品,识别模型,模型输入,分布式词向量,加词,词性,上去,最大池化,加卷,卷积核,核输出,单词,卷积神经网络模型,精确率,召回率,Fl,同场,消融实验,领域词,模型性能
AB值：
0.347193
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。
