【摘 要】
：
针对卷积神经网络(Convolutional Neural Network,CNN)在获取文本中上下文依赖关系方面的不足及深层神经网络在提取文本特征时出现的特征丢失问题,提出一种将长短时记忆网络(
【机 构】
：
河南理工大学 计算机科学与技术学院,河南 焦作,454000
论文部分内容阅读
针对卷积神经网络(Convolutional Neural Network,CNN)在获取文本中上下文依赖关系方面的不足及深层神经网络在提取文本特征时出现的特征丢失问题,提出一种将长短时记忆网络(Long Short-Term Memory,LSTM)与卷积神经网络结合的文本分类模型MLCNN(Merge-LSTM-CNN).首先,利用词嵌入将输入文本进行向量表示,通过三层CNN提取文本的局部特征,进而整合出全文语义;同时,使用LSTM存储文本中历史信息的特征,以获取文本的上下文关联语义;其次,将输入向量分别与各层CNN的输出相融合,实现原始特征的重用.实验结果表明,相对于CNN、LSTM以及其改进模型,MLCNN模型的分类准确率达到96.45％,取得更好的分类效果.
其他文献
课外阅读对于培养学生的语文综合知识有着一定的意义,本文就如何引导学生课外阅读进行了研究。
Extracurricular reading has a certain significance in cultivating stude
目的:运用网络药理学方法探讨威灵仙治疗痛风的药理机制.方法:从Genecards、DisGeNET数据库中获取痛风的潜在靶点;从BATMAN-TCM数据库查找威灵仙活性成分及药物靶点;将药物靶
语言，是知识信息的载体，是人际之间交流思想情感的主要工具。在课堂教学中，教师的语言对完成教学任务、履行教学职责有着重要的作用。 讲课效果的好差，和教师口语表达技艺的水平有很大关系。 语文课堂教学离不开语言，语言是语文教师传授知识、传递信息的主要载体之一。语文教学中教师语言艺术与语文课堂教学效果有密切的关系。从某种意义上说，语文课堂教学艺术首先是语文教学语言艺术。而所谓语文教学语言艺术，就是语文
摘要： 在作文教学中，教师要针对性地进行点拨与引导，搭建有利于作文教学的平台，让学生在游戏中学作文，在作文DV中学作文，在情景中学作文，在互助中学作文，在读写中学作文，把作文教学面向学生完整的生活世界，带领学生走向作文的殿堂。 关键词： 作文平台 游戏 作文DV 情景作文 互助作文 读写结合 《全日制义务教育语文课程标准》明确指出：“写作教学应贴近学生实际，让学生易于动笔，乐于表达。”要“
摘要： 随着课程改革的不断推进，自主学习、探究式学习等越来越受到人们的重视和关注。这些新的学习方式为教师的教学实践提供了更多的选择机会。开展探究式学习，研究其学习策略，是深化课程改革的需要. 关键词： 探究式学习 语文教学 质疑 学习兴趣 给学生一个问题，让他自己找答案；给学生一个条件，让他自己去锻炼；给学生一点困难，让他自己去解决；给学生一些权利，让他自己去选择。新课程更为强调培养学生的
针对启发式算法应用于贝叶斯网络推理学习易陷入局部最优和寻优效率低的问题,提出一种基于混合粒子群-差分法的贝叶斯网络推理算法.该算法利用自适应的反向学习策略增加初始
一、作文批改中鼓励性评语的作用 心理学告诉我们：儿童时期，对获得成功的事，兴趣会与日俱增；对屡遭失败的事，兴趣便会每况愈下。在学生获得成功时，教师对学生的成绩及时给予中肯的评价和表扬鼓励，对培养和提高学生的整体素质具有重要意义。期末操行评定需要鼓励性评语，课堂教学中需要鼓励性评语，作文批改更需要鼓励性评语。 首先，作文批改中的鼓励性评语可以培养学生良好的习作动机。 习作动机是学生习作行为
摘要： 本文试对语文教学中的学生作文评改作探析，旨在通过对学生习作中存在的一些问题提出共同批改、指导评改、综合评改等教学模式来提高学生的写作水平。 关键词： 新课程 语文 作文 评改 如果说语文教学是一项既复杂而又艰巨的工程，那么作文的批改和讲评就是作业评改中最艰难的工作，不仅费力不讨好，而且很难全面地发现学生的优缺点，尤其是逐篇的精批细改，更存在着不少弊端。 1.作文评改教学中存在
摘要： 本文结合高等数学教学实践，提出了数学素质教育的培养途径，同时给出了高等数学教学中一些具体的例子。 关键词： 高等数学 数学素质 数学建模 一、前言 高等数学作为一门重要的基础课程，对培养、提高学生的思维素质、创新能力、科学精神及用数学解决实际问题的能力都有着非常重要的作用。随着现代数学研究与教育的不断发展，掌握一定的数学知识已被视为每个受教育者必须具备的能力，高等数学课程被越
目的:观察健康教育给血脂异常人群血脂水平带来的影响.方法:选取来自城关街道共计23个村、22个居委会且居住本地6个月及以上的1653名血脂异常者,在其中随机抽取400人,设为研