基于SVM-RFE與Transformer-TBAM的高校郵件分析研究

通信學(xué)報(bào) 頁數(shù)： 5 2024-11-25

摘要：通過挖掘高校電子郵件文本數(shù)據(jù)并進(jìn)行分析，可以幫助教職工更好地了解學(xué)生的意見和建議，提高管理效率。目前，深度學(xué)習(xí)方法是文本情感分析的主要方法，然而現(xiàn)有的方法沒有充分利用中文文本中的特征。為解決此問題，提出基于SVM-RFE與Transformer-TBAM架構(gòu)模型處理高校郵件，該架構(gòu)重構(gòu)了雙通道注意力模型及特征篩選機(jī)制以深度提取有效特征信息。實(shí)驗(yàn)表明，該算法在高校郵件數(shù)據(jù)集分類效... （共5頁）

開通會員，享受整站包年服務(wù)

說明：本文檔由創(chuàng)作者上傳發(fā)布，版權(quán)歸屬創(chuàng)作者。若內(nèi)容存在侵權(quán)，請點(diǎn)擊申訴舉報(bào)

實(shí)用文檔

科技文檔

數(shù)學(xué) 力學(xué) 化學(xué) 金融證券保險(xiǎn) 投資會計(jì) 審計(jì) 園藝林業(yè) 旅游體育物理學(xué) 生物學(xué) 天文學(xué) 氣象學(xué) 海洋學(xué) 地質(zhì)學(xué) 新能源金屬學(xué) 農(nóng)藝學(xué) 農(nóng)作物管理學(xué) 領(lǐng)導(dǎo)學(xué) 自然科學(xué) 系統(tǒng)科學(xué) 資源科學(xué) 無機(jī)化工有機(jī)化工燃料化工化學(xué)工業(yè) 材料科學(xué) 礦業(yè)工程冶金工業(yè) 安全科學(xué) 環(huán)境科學(xué) 工業(yè)通用機(jī)械工業(yè) 無線電子電信技術(shù) 鐵路運(yùn)輸汽車工業(yè) 船舶工業(yè) 動力工程電力工業(yè) 農(nóng)業(yè)科學(xué) 農(nóng)業(yè)工程植物保護(hù) 動物醫(yī)學(xué) 教育理論學(xué)前教育初等教育中等教育高等教育職業(yè)教育成人教育自然地理地球物理經(jīng)濟(jì)統(tǒng)計(jì) 農(nóng)業(yè)經(jīng)濟(jì) 工業(yè)經(jīng)濟(jì) 交通經(jīng)濟(jì) 企業(yè)經(jīng)濟(jì) 文化經(jīng)濟(jì) 信息經(jīng)濟(jì) 貿(mào)易經(jīng)濟(jì) 財(cái)政稅收市場研究科學(xué)研究互聯(lián)網(wǎng) 自動化輕工業(yè) 核科學(xué) 服務(wù)業(yè) 石油然氣服務(wù)業(yè) 野生動物水產(chǎn)漁業(yè) 硬件儀器儀表航空航天武器軍事公路運(yùn)輸水利水電建筑科學(xué) 軟件