文献类型：期刊文章

作　　者：朱星嘉[1] 李红莲[1] 吕学强[2] 周建设[3] 夏红科[4]

ZHU Xingjia;LI Honglian;Lv Xueqiang;ZHOU Jianshe;XIA Hongke(School of Information and Communication Engineering, Beijing Information Science ＆ Technology University, Beijing 100101, China;Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing Information Science ＆ Technology University, Beijing 100101, China;Beijing Advanced Innovation Center for Imaging Technology, Capital Normal University, Beijing 100048, China;Computer School, Beijing Information Science ＆ Technology University, Bcijing 100101, China)

机构地区：[1]北京信息科技大学信息与通信工程学院,北京100101 [2]北京信息科技大学网络文化与数字传播北京市重点实验室,北京100101 [3]首都师范大学北京成像技术高精尖创新中心,北京100048 [4]北京信息科技大学计算机学院,北京100101

出　　处：《北京信息科技大学学报（自然科学版）》

基　　金：国家自然科学基金项目(61671070);北京成像技术高精尖创新中心项目(BAICIT-2016003);国家社会科学基金重大项目(14@ZH0363);国家语委重点项目(ZDI135-53)

年　　份：2018

卷　　号：33

期　　号：2

起止页码：54-59

语　　种：中文

收录情况：CSA、CSA-PROQEUST、JST、普通刊

摘　　要：为了对高校学术活动进行信息提取和文本分类,基于结合注意力机制的长短期记忆网络(Attention-Based Long Short-Term Memory)特征选择模型,构建了高校学术活动分类系统。通过大量分析高校学术活动语料的特点,准确抽取学术活动的相关内容,改善了文本数据质量;提出了一种改进的Attention-Based LSTM特征选择模型,降低了数据维度,有效地突出了重点信息。实验结果表明,该方法提高了分类的准确率,其分类效果明显优于普通LSTM(Long Short-Term Memory)模型和传统模型的处理结果。

关 键 词：高校学术活动  信息提取 文本分类 结合注意力机制的长短期记忆网络  重点信息  

分 类 号：TP391]