文献类型：期刊文章

作　　者：李文宽[1,2] 刘培玉[1,2] 朱振方[3] 刘文锋[1,2,4]

Li Wenkuan;Liu Peiyu;Zhu Zhenfang;Liu Wenfeng(School of Information Science&Engineering,Shandong Normal University,Jinan 250014,China;Shandong Provincial Key Laboratory for Distributed Computer Software Novel Technology,Jinan 250014,China;School of Information Science&Electric Engineering,Shandong Jiaotong University,Jinan 250014,China;School of Computer Science,Heze University,Heze Shandong 274015,China)

机构地区：[1]山东师范大学信息科学与工程学院,济南250014 [2]山东省分布式计算机软件新技术重点实验室,济南250014 [3]山东交通学院信息科学与电气工程学院,济南250014 [4]菏泽学院计算机学院,山东菏泽274015

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61373148);国家青年自然科学基金资助项目(61502151);山东省社科规划项目(17CHLJ18,17CHLJ33,17CHLJ30);山东省自然科学基金资助项目(ZR2014FL010);山东省教育厅基金资助项目(J15LN34).

年　　份：2020

卷　　号：37

期　　号：2

起止页码：333-336

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统句子分类模型存在特征提取过程复杂且分类准确率较低等不足,利用当下流行的基于深度学习模型的卷积神经网络在特征提取上的优势,结合传统句子分类方法提出一种基于卷积神经网络和贝叶斯分类器的句子分类模型。该模型首先利用卷积神经网络提取文本特征,其次利用主成分分析法对文本特征进行降维,最后利用贝叶斯分类器进行句子分类。实验结果表明在康奈尔大学公开的影评数据集和斯坦福大学情感分类数据集上,所提模型优于只使用深度学习的模型或传统句子分类模型。

关 键 词：深度学习  句子分类  卷积神经网络 主成分分析法 贝叶斯分类器

分 类 号：TP393.1] TP18[计算机类]