文档名：基于ALBERT动态词向量的垃圾邮件过滤模型
针对垃圾邮件分类问题中词向量学习不充分的问题,文章引入ALBERT动态词向量生成模型,并提出一种将ALBERT动态词向量与循环神经网络相结合的ALBERT-RNN模型.利用公开的垃圾邮件数据集(TEC06C),对传统统计学模型与4种不同RNN结构的ALBERT-RNN模型进行了对比实验,并用FocalLoss方法对交叉熵损失函数进行了优化.实验结果表明,使用FocalLoss优化的ALBERT-LSTM模型在TEC06C数据集上达到了较高的准确率(99.13％).
作者：周枝凝王斌君翟一鸣仝鑫
作者单位：中国人民公安大学信息网络安全学院,北京100038
母体文献：第35次全国计算机安全学术交流会论文集
会议名称：第35次全国计算机安全学术交流会
会议时间：2020年10月16日
会议地点：南宁
主办单位：中国计算机学会
语种：chi
分类号：
关键词：垃圾邮件 过滤模型 动态词向量 循环神经网络
在线出版日期：2022年1月20日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.23 MB
- 下载次数:
- 60
-
高速下载
|
|
