10.16353/j.cnki.1000-7490.2022.09.023
基于GloVe-BiLSTM的在线研讨信息分类模型研究
[目的/意义]把握并识别在线研讨信息类型,有助于研讨用户快速获取研讨信息、减轻认知负担、形成对研讨状态的正确判断,从而提升研讨效率.[方法/过程]基于深度学习的文本语义理解和挖掘,构建在线研讨信息分类识别的深度学习组合模型GloVe-BiLSTM,进行在线研讨信息的自动化分类预测.利用GloVe对待分类文本进行训练,以获得字词级别的向量,再将词向量输入BiLSTM层提取语义特征,最后输入新的在线研讨文本以得到分类预测的最终结果.[结果/结论]针对CMV社区在线研讨信息的实验表明,构建的GloVe-BiLSTM组合模型在分类准确率、精确率、召回率、F1值等方面均具有出色表现,能够有效实现在线研讨信息的类型分类,为在线研讨社区服务优化提供参考.
在线研讨信息、深度学习、BiLSTM模型、GloVe模型、信息分类
45
TP391;TP181;TN912.34
国家社会科学基金21ATQ006
2022-10-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
173-179,172
