一种基于改进模型拼接的低硬件需求中文文本分类方法
计算与语言
2021-11-15 v2 机器学习
摘要
为了提高低硬件需求下中文文本分类模型的准确率性能，本文设计了一种改进的基于拼接的模型，该模型由包括TextCNN、LSTM和Bi-LSTM在内的5个不同子模型拼接而成。与现有的集成学习方法相比，对于文本分类任务，该模型的准确率高出2%。同时，该模型的硬件需求远低于基于BERT的模型。
引用
@article{arxiv.2010.14784,
title = {A Chinese Text Classification Method With Low Hardware Requirement Based on Improved Model Concatenation},
author = {Qingli Man and Yuanhao Zhuo},
journal= {arXiv preprint arXiv:2010.14784},
year = {2021}
}
备注
5 pages, 2 figures, 5 tables