Trie 增强型神经网络概念框架（TANNS）

Temitayo Adefemi

Trie 增强型神经网络概念框架（TANNS）

计算与语言 2024-06-18 v1 机器学习

作者: Temitayo Adefemi

摘要

Trie 增强型神经网络（TANNs）将 trie 结构与神经网络结合，形成具有层次性设计的系统，旨在增强机器学习中决策的透明度和效率。本文探讨了在文本和文档分类中应用 TANNs 的方法，采用循环神经网络（RNN）和全连接神经网络（FNN）。我们在 20 NewGroup 和 SMS Spam Collection 数据集上评估了 TANNs，比较了其与传统 RNN 和 FFN 网络（带或不带 dropout 正则化）的性能。结果表明，TANNs 在文本分类任务中取得相似或略优于的性能。TANNs 的主要优势在于其结构化的决策过程，这提高了可解释性。我们讨论了实现挑战和实际限制。未来的工作将致力于为更复杂的分类任务细化 TANNs 架构。

关键词

Trie 神经网络文本分类文档分类循环神经网络全连接网络可解释性

引用

@article{arxiv.2406.10270,
  title  = {A Conceptual Framework For Trie-Augmented Neural Networks (TANNS)},
  author = {Temitayo Adefemi},
  journal= {arXiv preprint arXiv:2406.10270},
  year   = {2024}
}

备注

17 Pages and 9 Figures

Trie 增强型神经网络概念框架（TANNS）

摘要

关键词

引用

备注

相关论文