188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
yanbubu

上传于:2018-04-22

粉丝量:20

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于多开源框架构建中国移动项目管理系统

    星级: 84 页

  • 基于开源组合框架构建企业级Web应用系统研究

    星级: 2 页

  • 基于多开源框架构建中国移动项目管理系统

    星级: 81 页

  • 利用质心向量构建增量式分类器

    星级: 7 页

  • 【精品推荐】-》基于开源组合框架构建企业级Web应用系统研究

    星级: 4 页

  • 基于开源技术的MVC框架的构建

    星级: 6 页

  • 基于开源技术的MVC框架的构建

    星级: 5 页

  • 基于开源技术的MVC框架的构建

    星级: 5 页

  • 基于开源技术的MVC框架的构建

    星级: 5 页

  • 基于开源技术的mvc框架的构建

    星级: 5 页

  • 基于开源框架的多层架构研究与应用

    星级: 3 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: 利用开源框架构建基于深度神经网络的短文本分类器

下载积分: 1000

内容提示: ???????2018年 1期总第 221期●23  ·技术应用·收稿日期:2017-06-05利用开源框架构建基于深度神经网络的短文本分类器凡 迪,付玉贞,侯 彤(四川省图书馆,成都。叮保埃埃保担┱∫:讨论了如何利用免费的开源代码库,快速构建基于深度神经网络的短文本分类器,可依照中文图书标题,将图书分类为文科和理工科两类。结果显示,文本分类器的准确率在测试集上的表现达 919%。如果对开源社区的力量加以有效利用,能使图书馆行业充分受益。关键词:文本分类;深度神经网络;开源库;机器学习;情报学中图分类号:G250   文献标识码:A   文章编号:1003-7136(2018)01-0023-03BuildingShortTextClassificationwithOpenSourceLibrariesBasedonDeepNeuralNetworkFANDi,FUYuzhen,HOUTongAbstract:OpensourcelibrariesarefreelyavailableonlineBasedontheselibraries,wewereabletoquicklybuildabinarybookclassifierwithdeepneuralnetworkTheclassifierwilltellifabookisonliberalartssubjectsorscience/technologysubjectsWefinallygetanaccuracyof919% onourtestingsetwiththeclassifierWebelievethatthelibraryindustrywilldefinitelybenefit,iflibrarianscanmakegooduseofthepowerofopensourcecommunitiesKeywords:textclassification;deepneuralnetwork;opensourcelibrary;machinelearning;informationscience1 引言随着信息发布成本的降低,人们常常面对海量数据,这时...

文档格式:PDF | 页数:3 | 浏览次数:13 | 上传日期:2018-04-22 22:32:10 | 文档星级:
???????2018年 1期总第 221期●23  ·技术应用·收稿日期:2017-06-05利用开源框架构建基于深度神经网络的短文本分类器凡 迪,付玉贞,侯 彤(四川省图书馆,成都。叮保埃埃保担┱∫:讨论了如何利用免费的开源代码库,快速构建基于深度神经网络的短文本分类器,可依照中文图书标题,将图书分类为文科和理工科两类。结果显示,文本分类器的准确率在测试集上的表现达 919%。如果对开源社区的力量加以有效利用,能使图书馆行业充分受益。关键词:文本分类;深度神经网络;开源库;机器学习;情报学中图分类号:G250   文献标识码:A   文章编号:1003-7136(2018)01-0023-03BuildingShortTextClassificationwithOpenSourceLibrariesBasedonDeepNeuralNetworkFANDi,FUYuzhen,HOUTongAbstract:OpensourcelibrariesarefreelyavailableonlineBasedontheselibraries,wewereabletoquicklybuildabinarybookclassifierwithdeepneuralnetworkTheclassifierwilltellifabookisonliberalartssubjectsorscience/technologysubjectsWefinallygetanaccuracyof919% onourtestingsetwiththeclassifierWebelievethatthelibraryindustrywilldefinitelybenefit,iflibrarianscanmakegooduseofthepowerofopensourcecommunitiesKeywords:textclassification;deepneuralnetwork;opensourcelibrary;machinelearning;informationscience1 引言随着信息发布成本的降低,人们常常面对海量数据,这时自动化工具的辅助非常有用。图书馆行业也是如此。举例来说,采访人员在面对一长串的图书馆标题清单,如果清单不规范,比如缺乏分类信息,那么清单处理起来效率就大打折扣了。与此同时,随着机器学习技术的快速进展,尤其是深度学习和有关开源社区这一两年内所取得的各种进展,为机器学习应用的实施提供了极大的便利。结合采访选书清单这一例子,本文利用开源框架Keras及 TensorFlow,讨论了如何快速构建能直接实际应用的文本分类器,可依照中文图书标题,将图书分类为文科和理工科两类。这样,在日常工作中,图书就容易分配给具有相应学科背景的馆员进一步处理。该分类器很容易改造成,依照内容提要文本将图书归入中图法 22个大类的文本分类器。希望开源社区对科技的热情,能和图书馆行业厚重的文化底蕴互补长短,共促进步。实施这个分类器的 Python代码,被放在作者的GitHub上,网址为 https://githubcom/scanthony/Binary-Chinese-Text-Classifier。2 文献回顾本文所要构建的文本分类器,是机器学习里典型的监督学习(supervisedlearning)模式。模型需要配对出现的特征向量(featurevector)和类别标签来进行训练。完成训练的模型就能根据未见过的新特征向量,对该特征所属的类别进行预测。能进行监督学习的算法很多,包括逻辑回归(logisticregression)、决策树(decisiontree)、支持向量机(supportvectormachine,SVM)、朴素 贝 叶 斯 (na?veBayes)等,也包括本文所采用的深度神经网络(deepneuralnetwork)。国内图情行业对朴素贝叶斯和支持向量机有一定的研究讨论,以及利用集成学习(boosting)技巧如何优化这些监督学习也有所讨论。与其他机器学习算法不同,深度神经网络在处理海量数据时具有尤为良好的效果。随着近年来数据量

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司