基于ERNIE-CAB-CNN的稀土专利文本分类模型AET-电子技术应用-最丰富的电子设计资源平台

基于ERNIE-CAB-CNN的稀土专利文本分类模型
所属分类：技术论文
上传者：wwei
文档大小：4277 K
标签：稀土专利分类文本分类类别注意力
所需积分：0分积分不够怎么办？
文档介绍：针对稀土专利文本专业性强的特点以及现有的文本分类方法存在的不足，鉴于类别注意力在计算机视觉领域的广泛应用和取得的良好效果，提出了一种用于文本分类的类别注意力模块（Category Attention Module，CAB），并结合预训练模型ERNIE和卷积神经网络（Convolutional Neural Networks，CNN）构建了一个用于稀土专利文本分类的创新模型ERNIE-CAB-CNN。模型使用ERNIE对专利文本进行向量化，得到语义信息更加丰富的向量表示后，通过CAB为文本中各个类别的重要特征赋予较高权值，使模型可以更准确地区分不同类别的特征。最后用CNN进一步提取文本中其他关键局部特征，得到的最终文本向量表示用于分类。通过Patsnap专利数据库官方网站检索下载稀土专利数据构建数据集进行实验，实验结果表明，稀土专利文本分类模型ERNIE-CAB-CNN在测试集上分类的准确率、精确率、F1分数分别为82.68％、83.2％、82.06％，取得了良好的分类效果。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动