Ty - Jour A2 - Gastaldo，Paolo Au - Yan，Danfeng Au - Guo，Shiyao Py - 2019 Da - 2019/08/01 - 利用神经关注模型SP - 8320316 VL - 2019 AB -我们探讨了几种方法，将关于文本分类的深度学习框架中的上下文信息合并，包括基于不同的神经网络设计不同的关注机制，并通过传统方法从文本中提取一些附加功能作为表示的一部分。我们提出了两种分类算法：一个是基于卷积神经网络融合上下文信息，另一个基于双向长时间内存网络。通过在句子级别和字级别设计注意结构和字级别，我们将上下文信息集成到最终特征表示中，这增加了特征信息的分集。我们在两个数据集上的实验结果验证了两种模型的优点，而在时间效率和准确性方面与具有基本架构的不同型号相比。SN - 1687-5265 UR - https://doi.org/10.1155/2019/8320316 Do - 10.1155 / 2019/8320316 JF - 计算智能和神经科学PB - Hindawi Kw - ER -