排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
恶意评论检测是预防社会媒体平台给用户带来负面影响的一项重要工作,是自然语言处理的重要领域之一.为解决单分类器实现恶意评论检测时模型精度不稳定、boosting集成模型精度较低的问题,提出一种异构分类器堆叠泛化的方法.该方法用深度循环神经网络将多标签的恶意评论分类问题转变为二类分类,防止了模型精度不稳定;用堆叠泛化集成时单个分类器GRU(Gated Recurrent Unit)和NB-SVM(Naïve Bayes-Support Vector Machine)在模型结构和分类偏差上的差异性,改善了模型精度.在维基百科恶意评论数据集上的对比实验证明:提出的方法优于boosting集成,说明堆叠泛化异构分类器实现恶意评论检测是可行且有效的. 相似文献
2.
从工程设计实际出发,指出了现行"电子产品设计"课程教学中容易被忽视的重要内容——工程设计控制程序,结合标准分析了设计控制程序的各项内容,包括工作程序、设计输入控制、设计过程控制、设计输出控制、设计更改控制、技术服务和记录,并明确了具体的内在要求,对设计课程的适用性和实用性,以及提高学生电子产品设计能力具有较重要作用和意义。 相似文献
3.
1