排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
融合对抗训练和CNN-BiGRU神经网络的新闻文本分类模型 总被引：1，自引：0，他引：1
以对抗训练和神经网络为核心,构建文本表示与分类的一体化框架BATCBG,利用BERT和对抗训练充分提高文本表示效果,利用CNN-BiGRU集成神经网络对文本高效准确分类.通过对比实验发现,BATCBG在大幅提升文本分类准确率的同时保证了分类效率,对英文长新闻文本的分类效果提升最大. 相似文献
2.
基于启发式策略的海量语义数据流划分算法研究 总被引：1，自引：0，他引：1
海量语义数据的剧烈增长对大数据分布式存储带来了巨大的挑战. 分布式存储的核心技术是图划分，论文介绍了基于图数据流划分的模型和分区启发函数策略，给出了针对RDF文件的图数据流划分算法和实现过程. 实验对几个真实RDF数据集进行划分，并与METIS （一种多层次的图划分算法）方法和哈希分区方法做了实验数据对比，验证了图数据流划分算法的有效性. 相似文献
3.
4.
1