一种改进的基于深度学习的自然语言特征精确提取方法

    针对自然语言特征提取一直存在提取误差大、效率低的问题，传统的提取方法主要通过增加提取迭代次数，降低提取误差，导致其提取时间增加，效率低的问题。提出基于深度学习的自然语言特征精确提取方法，采用最大熵方法建立自然语言的条件最大熵模型，并以此为基础，采用IFS算法选取自然语言属性特征，通过对自然语言属性特征进行匹配，选取与实际相符的特征，采用深度学习方法对自然语言特征进行精确的提取。实验结果证明，采用改进的提取方法进行自然语言特征提取时，相比传统的提取方法其提取准确度提高，误差率降低，具有一定的实用性。