TY -的A2 -艾哈迈德,赛义德·哈桑盟——张Shujing PY - 2021 DA - 2021/07/07 TI -语言处理模型建设和模拟基于混合CNN和LSTM SP - 2578422六世- 2021 AB -深学习是机器学习和人工智能研究的最新趋势。作为一个新领域快速发展在过去的十年里,它已经吸引了越来越多研究者的关注。卷积神经网络(CNN)模型是其中最重要的古典结构深度学习模型,及其性能逐步提高在近年来深度学习任务。卷积神经网络已经被广泛应用于图像分类、目标探测、语义分割,和自然语言处理,因为他们可以自动学习样本数据的特征表示。首先,本文分析了一个典型的卷积神经网络的模型结构模型来提高网络的深度和宽度,以改善其性能,分析了网络结构,进一步提高了模型性能通过使用注意力机制,然后总结分析了当前特殊的模型结构。为了进一步提高文本语言处理效果,一个卷积神经网络模型,混合卷积神经网络(CNN),和长时间的短期记忆(LSTM)融合的基础上,提出了文本特征和语言知识。文本特征和语言知识集成到语言处理模型,和文本语言处理模型的准确性提高了参数优化。数据集上的实验结果表明,所建立的模型的准确性达到93.0%,这比文献的参考模型。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/2578422 - 10.1155 / 2021/2578422摩根富林明计算智力和神经科学PB - Hindawi KW - ER