基于LSTM-A深度学习的专利文本分类研究

基于LSTM-A深度学习的专利文本分类研究

论文摘要

针对专利文本采用层级细分类低层级文本间相似度高、文本特征难以区分的特性,提出了一种LSTM-A文本分类模型。该模型使用LSTM网络对输入序列进行编码,并引入注意力机制对不同作用的文本特征分配不同权重,最后使用incopat专利数据库的专利文本数据集进行方法的有效性验证。实验表明,该模型可以有效提升高相似度专利文本的分类准确率。

论文目录

文章来源

类型: 期刊论文

作者: 薛金成,姜迪,吴建德

关键词: 专利文本,文本分类,长短期记忆网络,注意力机制

来源: 通信技术 2019年12期

年度: 2019

分类: 信息科技,经济与管理科学

专业: 计算机软件及计算机应用,自动化技术,科学研究管理

单位: 昆明理工大学信息工程与自动化学院,昆明理工大学知识产权发展研究院,昆明理工大学计算中心

分类号: G306;TP391.1;TP18

页码: 2888-2892

总页数: 5

文件大小: 1981K

下载量: 172

相关论文文献

标签:;  ;  ;  ;  

基于LSTM-A深度学习的专利文本分类研究
下载Doc文档

猜你喜欢