Resumen

En las últimas décadas, los problemas de clasificación de texto han sido ampliamente utilizados en muchas aplicaciones en tiempo real. Aprovechar los métodos de clasificación de texto mediante el desarrollo de nuevas aplicaciones en el campo de la minería de texto y el Procesamiento del Lenguaje Natural (PLN) es muy importante. Para clasificar con precisión tareas en muchas aplicaciones, se requiere una comprensión más profunda de los métodos de aprendizaje profundo, ya que hay un crecimiento exponencial en el número de documentos complejos. El éxito de cualquier algoritmo de aprendizaje profundo depende de su capacidad para entender las relaciones no lineales de los modelos complejos dentro de los datos. Por lo tanto, un gran desafío para los investigadores radica en el desarrollo de técnicas, arquitecturas y modelos adecuados para la clasificación de texto. En este documento, se consideran y analizan bien los modelos híbridos de aprendizaje profundo, con énfasis en el posicionamiento del análisis del mecanismo de atención, para la clasificación de texto. El primer modelo híbrido prop

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Clasificación de texto; Aprendizaje profundo; Mecanismo de atención; Modelos híbridos; PLN; Documentos complejos
• Keywords:Text classification; Deep learning; Attention mechanism; Hybrid models; NLP; Complex documents