基于LDA的中小企业科技需求关键信息提取方法

文章面向协同创新模式下中小企业科技需求关键词的提取技术,以企业科技需求文本为基础,对文本进行预处理,并使用改进的潜在狄利克雷分配模型提取关键词,最后通过实际案例场景来验证方法的可行性和有效性。实验结果表明,该算法提取的关键词综合评价F值高于传统算法,说明该算法是有效的。

融合self-attention机制的卷积神经网络文本分类模型

传统的文本分类算法采用词向量表示文本,忽视了上下文语境中词义的变化.本文通过引入self-attention机制处理词向量,提出一种卷积神经网络模型与关键词提取技术相结合的文本分类模型.该模型对文档进行self-attention操作,以抽取关键信息,构建文档特征图,根据卷积神经网络模型和关键词提取技术实现特征向量的分类.在真实数据集上进行性能分析,并与循环神经网络模型、长短时记忆网络模型进行比较,结果表明该分类模型有效地提高了分类的准确性.