参考文献/References:
[1] 吴军.数学之美[M].北京:人民邮电出版社,2014:10-25.
[2] 杨杰明. 文本分类中文本表示模型和特征选择算法研究[D].长春:吉林大学,2013.
[3] 吴禀雅,魏苗.从深度学习回顾自然语言处理词嵌入方法[J].电脑知识与技术,2016,12(36):184-185.
[4] 周练.Word2vec的工作原理及应用探究[J].科技情报开发与经济,2015,25(2):145-148.
[5] Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their compositionality[J]. neural information processing systems, 2013: 3111-3119.
[6] 闫琰.基于深度学习的文本表示与分类方法研究[D].北京:北京科技大学,2016.
[7] 尹宝才,王文通,王立春.深度学习研究综述[J].北京工业大学学报,2015,41(1):48-59.
[8] 陈翠平. 基于深度信念网络的文本分类算法[J]. 计算机系统应用, 2015, 24(2): 121-126.
[9] 张春云, 秦鹏达, 尹义龙. 基于卷积神经网络的自适应权重 multi-gram 语句建模系统[J]. 计算机科学, 2017, 44(1): 60-64.
[10] 赵志宏, 杨绍普, 马增强. 基于卷积神经网络LeNet-5的车牌字符识别研究[J]. 系统仿真学报, 2010, 22(3):638-641.
[11] 奚雪峰,周国栋.面向自然语言处理的深度学习研究[J].自动化学报,2016,42(10):1445-1465.
[12] Greff K, Srivastava R K, Koutnik J, et al. LSTM: A search space odyssey[J]. IEEE Transactions on Neural Networks & Learning Systems, 2016, 28(10):2222-2232.
[13] 王红, 史金钏, 张志伟. 基于注意力机制的 LSTM 的语义关系抽取[J]. 计算机应用研究, 2018(5):1417-1420.
[14] Kim Y. Convolutional neural networks for sentence classification[J]. empirical methods in natural language processing, 2014: 1746-1751.
[15] Kim Y, Jernite Y, Sontag D, et al. Character-aware neural language models[J]. national conference on artificial intelligence, 2016: 2741-2749.
[16] 刘敬学,孟凡荣,周勇,等.字符级卷积神经网络短文本分类算法[J].计算机工程与应用,2019,55(5):135-142.
[17] Wang J, Wang Z, Zhang D, et al. Combining knowledge with deep convolutional neural networks for short text classification[C]. international joint conference on artificial intelligence.Melbourne, Australia, 2017: 2915-2921.
相似文献/References:
[1]张明瑞,罗 靖,陈云帆,等. 一种新的卷积神经网络房颤检测方法[J].湖北工业大学学报,2022,(4):19.
ZHANG Mingrui,LUO Jing,CHEN Yunfan,et al. A Novel Detection Method of Atrial Fibrillation Based on Convolutional Neural Network[J].,2022,(4):19.
[2]顿伟超,王淑青,张鹏飞,等. 基于改进YOLOv4的电力高空作业安全带检测[J].湖北工业大学学报,2022,(5):6.
DUN Weichao,WANG Shuqing,ZHANG Pengfei,et al. Safety Belt Detection Algorithm for Electric Aerial Work Based on Improved YOLOv4[J].,2022,(4):6.