(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210538427.1 (22)申请日 2022.05.18 (71)申请人 吉林大学 地址 130000 吉林省长 春市前进大街269 9 号 (72)发明人 白洪涛　贾燕鹏　陈哲楷　郑修远　 刘轩赫　郭军豪　 (74)专利代理 机构 北京远大卓悦知识产权代理 有限公司 1 1369 专利代理师 王雪娇 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 40/289(2020.01) G06F 40/30(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于内容关键词和神经网络的图书馆 书籍分类方法 (57)摘要 本发明公开了一种基于内容关键词和神经 网络的图书馆书籍分类方法， 包括： 步骤一、 建立 8层基于双向长短期记忆神经网络的模型， 包括 依次连接的嵌入层、 空间随机失活层、 长短期记 忆层、 第一随机失活层、 全 连接层、 第二随机失活 层、 全连接层和激活函数层； 步骤二、 将待分类的 图书随机抽取一页进行文本识别， 将识别后的文 本进行数据预处理获得向量数据； 步骤三、 将所 述向量数据输入所述模型中， 获得预测分类结 果。 本发明结合循环神经网络对自然语 言处理的 准确性， 同时通过长短期记忆神经网络在很大程 度上解决循环神经网络在较长时间步存在的梯 度爆炸和梯度消失问题， 实现准确的中文图书分 类功能。 权利要求书2页 说明书5页 附图2页 CN 115062105 A 2022.09.16 CN 115062105 A 1.一种基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在于， 包括如下步 骤： 步骤一、 建立8层基于双向长短期记忆神经网络的模型， 包括依次连接的嵌入层、 空间 随机失活层、 长 短期记忆层、 第一随机失活层、 第一全连接层、 第二随机失活层、 第二全连接 层和激活函数层； 步骤二、 将待分类的图书随机抽取一页进行文本识别， 将识别后的文本进行数据预处 理获得向量数据； 步骤三、 将所述向量数据输入所述模型中， 获得 预测分类结果。 2.如权利要求1所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述嵌入层嵌入维度为128， 所述空间随机失活层参数为0.25， 所述第一随机失活层参 数为0.25， 所述第二随机失活层参数为0.3 。 3.如权利要求2所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述激活函数层为Sigmo ld层。 4.如权利要求3所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述长短期记 忆层的遗 忘门的计算公式为： ft＝σ(Wf·[ht‑1,xt]+bf)； 式中， ft为经过LS TM层需要遗忘丢弃的状态信息， σ 为通过sigmoid层将输入映射到0到1 之间的值， Wf为遗忘门权重矩阵， ht‑1为t‑1时刻结点LSTM层的状态输出， xt为t时刻的输入， bf为遗忘门偏置值。 5.如权利要求4所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述长短期记 忆层的输入门的计算公式为： it＝σ(Wi·[ht‑1,xt]+bi)； 式中， it为更新过后的输入信息， Wi为输入门权 重矩阵， bi为输入门偏置值。 6.如权利要求5所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述长短期记 忆层的输出门的计算公式为： ot＝σ(Wo·[ht‑1,xt]+bo)； 式中， ot为LSTM层的输出信息， Wo为输出门权 重矩阵， bo为输出门偏置值。 7.如权利要求6所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述长短期记 忆层的记 忆细胞更新的计算公式为： ht＝ot×tanh(Ct)； 式中， ht为记忆细胞t时刻的最终输出， Ct为t时刻记忆细胞状态， Ct‑1为t‑1时刻记忆细 胞状态， 为候选向量， Wc为记忆细胞权 重矩阵， bc为记忆细胞偏置值。 8.如权利要求7所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述数据预处 理包括依次进行的文本预处 理和文本向量 化。 9.如权利要求8所述的基于内容关键词和神经网络的图书馆书籍分类方法， 其特征在权　利　要　求　书 1/2 页 2 CN 115062105 A 2于， 所述文本预处 理包括如下步骤： 步骤1、 将文本中的书名、 关键词和摘要合并成关键信息， 再与关键信息所在行对应的 中国图书分类号 生成新的数据集； 步骤2、 剔除所述关键信息中的非中文信息和无用的中文信息； 步骤3、 对所述关键信息进行分词， 从词序列中剔除包 含于停用词表中的词。 10.如权利要求9所述的基于 内容关键词和神经网络的图书馆书籍分类方法， 其特征在 于， 所述文本向量 化包括如下步骤： 步骤1、 对所述词序列进行 数字编码； 步骤2、 将数字编码后的词序列进行截取或填充为长度为10 0的词向量； 步骤3、 将所述词向量 转换为张量形式获得向量数据。权　利　要　求　书 2/2 页 3 CN 115062105 A 3