基于ATT-CNN的化工装备分类算法

• 作者: 冯万利 张柯文 方强强 朱全银 李翔 王文川 王胜标 胥心心
• 来源期刊: 淮阴工学院学报
• 学科: 工学
• 关键词: 化工装备分类 卷积神经网络 Attention注意力机制 数据挖掘
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息与计算机
• 页码范围: 44-48
• 页数: 5页
• 分类号: TP311
• 字数: 3078字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-7961.2020.01.009

摘要

随着化工技术的飞速发展,化工装备在化工产业生产实践中发挥着更加重要的作用,与此同时也对化工装备的精准分类提出了更高要求.为了提高化工装备在化工生产中分类的准确率,提出了一种基于Attention注意力机制和卷积神经网络的化工装备文本分类算法.首先,分别使用卷积神经网络算法的输入层和Attention注意力机制提取化工装备文本特征;其次,将两种算法得到的特征与卷积核进行卷积操作,得到不同权重的输入,最后在分类器中对得到的化工装备文本特征进行分类,得到最终分类结果.通过多算法实验结果表明,该方法相比传统卷积神经网络与机器学习方法在数据挖掘中具有更高的分类准确性,达到了96.42％,证明ATT-CNN算法在化工装备分类中具有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱全银	淮阴工学院计算机与软件工程学院	70	328	8.0	16.0
2	冯万利	淮阴工学院计算机与软件工程学院	30	97	5.0	8.0
3	李翔	淮阴工学院计算机与软件工程学院	32	153	6.0	12.0
4	方强强	淮阴工学院计算机与软件工程学院	2	0	0.0	0.0
5	张柯文	淮阴工学院计算机与软件工程学院	2	0	0.0	0.0
6	王文川	淮阴工学院计算机与软件工程学院	1	0	0.0	0.0
7	胥心心	淮阴工学院计算机与软件工程学院	1	0	0.0	0.0