胶囊神经网络在期刊文本分类中的应用

进行多种深度学习算法训练.利用向量化的胶囊神经元和动态路由机制获取文本的局部⁃整体关系,最终实现更加精准的文本分类模型.实验结果表明,在该数据集上,基于胶囊神经网络的文本分类器的准确率、精准率、召回率和F1值等多项指标均领先于其他基线算法,同时动态路由的迭代次数需要综合考虑模型的损失与训练速度.