典型文献
结合多头注意力机制的旅游问句分类研究
文献摘要：
旅游问句具有长度较短,不严格按照语法规则的特点,导致该文本数据信息容量过少、口语化严重.充分理解问句表达的语义是提高旅游问句分类器性能面临的重要挑战,基于此,提出一个融合Bi-GRU、CNN与Multi-Head-Attention的旅游问句分类模型.该模型将预先训练的词向量和经Bi-GRU处理得到的语义信息进行融合,进行问句依赖关系学习,通过CNN和Multi-Head-Attention进行特征提取,以加强局部特征的学习,通过Softmax完成分类.实验结果表明,该模型在文本信息少、表述不规范的旅游问句分类任务中F1值达到了92.11％,优于现有的主流分类模型.
文献关键词：
自然语言处理;旅游问句分类;双向门控循环单元(Bi-GRU);卷积神经网络(CNN);多头注意力机制
中图分类号：
作者姓名：
吴迪;姜丽婷;王路路;吐尔根·依布拉音;艾山·吾买尔;早克热·卡德尔
作者机构：
新疆大学 软件学院,乌鲁木齐 830046;新疆大学 信息科学与工程学院,乌鲁木齐 830046
文献出处：
引用格式：
[1]吴迪;姜丽婷;王路路;吐尔根·依布拉音;艾山·吾买尔;早克热·卡德尔-.结合多头注意力机制的旅游问句分类研究)[J].计算机工程与应用,2022(03):165-171
A类：
旅游问句分类
B类：
多头注意力机制,分类研究,不严,语法规则,文本数据,信息容量,口语化,分理,分类器,能面,Bi,GRU,Multi,Head,Attention,分类模型,词向量,理得,语义信息,依赖关系,关系学习,局部特征,Softmax,文本信息,分类任务,流分类,自然语言处理,双向门控循环单元
AB值：
0.288973
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。
