-
题名面向领域新闻的词汇输入预测
- 1
-
-
作者
张明西
马悦荣
林启新
-
机构
上海理工大学出版印刷与艺术设计学院
-
出处
《计算机工程与设计》
北大核心
2023年第1期262-268,共7页
-
基金
国家自然科学基金项目(62002225)
上海市自然科学基金项目(21ZR1445400)。
-
文摘
为解决领域新闻中词汇使用频率对输入预测准确度的影响,提出一种面向领域新闻的词汇输入预测方法,结合样本修剪提升LSTM应用于领域新闻词汇预测中的准确性。利用文本的词序关系形成词汇网络,构建词汇相关度度量模型计算词汇间的相关度,依据词汇间的强弱关系进行词汇修剪。基于词序关系,采用LSTM进行训练,生成词汇输入预测序列。实验结果表明,相比传统LSTM模型,所提方法能够提升平均4.73%的准确率,验证了所提方法的可行性与有效性。
-
关键词
长短期记忆网络
领域新闻
词汇输入预测
词汇网络
TFIDF模型
-
Keywords
long short-term memory(LSTM)
field of news
lexical input prediction
lexical network
TFIDF model
-
分类号
TP317.2
[自动化与计算机技术—计算机软件与理论]
-