首页|基于深度学习的大规模语义文本重叠区域检索

基于深度学习的大规模语义文本重叠区域检索

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统文本重叠区域检索方法存在精确性和查全性差的问题,提出了基于深度学习的大规模语义文本重叠区域检索方法.结合稀疏自动编码器与深度置信网络构建了混合模型,依据混合模型设计并构建了文本分类器,该分类器主要组成部分为文本预处理、特征学习、分类检索.针对文本集合中文本实行去噪、分词和去停止词等一系列预处理.最后,采用Softmax回归实现文本分类,将学习得到的文本特征当作分类器的输入得到文本重叠区域分类检索结果.经实验验证可知:该方法查准率与查全率均较高,表现出了可靠性与鲁棒性.
Large⁃scale semantic text overlapping region retrieval based on deep learning

董丽丽、杨丹、张翔

展开 >

西安建筑科技大学 信息与控制工程学院,西安 710055

深度学习 语义文本 重叠区域检索 深度置信网络 特征学习

617013882018JM6080201805033YD11CG17,201805033YD11CG17

2021

10.13229/j.cnki.jdxbgxb20200370

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(5)
  • 1
  • 10