检索结果-南通市图书馆

SF-CNN: Deep Text Classification and retrieval for Text Documents

Intelligent Automation & Soft Computing 2023年第2期35卷 1799-1813页

作者： r.sarasu K.K.Thyagharajan N.r.Shanker Computer Science and Engineering Dhanalaksmi College of EngineeringAnna UniversityChennaiIndia r.M.D Engineering College Anna UniversityChennaiIndia Computer Science and Engineering Aalim Muhammed Salegh College of EngineeringAnna UniversityChennaiIndia

researchers and scientists need rapid access to text documents such as research papers,source code and *** research documents are available on the Internet and need more time to retrieve exact documents based on *** efficient classification algorithm for retrieving documents based on keyword words is *** traditional algorithm performs less because it never considers words’polysemy and the relationship between bag-of-words in *** solve the above problem,Semantic Featured Convolution Neural Networks(SF-CNN)is proposed to obtain the key relationships among the searching keywords and build a structure for matching the words for retrieving correct text *** proposed SF-CNN is based on deep semantic-based bag-of-word representation for document *** deep learning methods such as Convolutional Neural Network and recurrent Neural Network never use semantic representation for *** experiment is performed with different document datasets for evaluating the performance of the proposed SF-CNN ***-CNN classifies the documents with an accuracy of 94%than the traditional algorithms.

关键词： Semantic classiﬁcation convolution neural networks semantic enhancement

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：