科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对LSTM-CNN网络模型接收句子输入训练时间长、处理较长文本时效率低下问题,提出了一种基于跳转的LSTM-CNN模型。新的模型首先在读取文本序列时进行跳转判断,即在每一步中,利用两层感知机从前向序列、后向序列和当前单词中提取信息,确定是否跳过当前单词。然后利用LSTM分析跳转后的序列语义以及提取其特征,在CNN模型进一步提取局部特征。最后合并到较小的维度,并以正或负标签输出。相比基于LSTM-CNN的模型,上述方法大大降低了网络训练时间,在效率和性能上都产生更好的效果。
-
单位通信与信息工程学院; 重庆邮电大学
