文献类型：期刊文章

作　　者：李洋[1] 董红斌[1]

LI Yang;DONG Hongbin(College of Computer Science and Technology,Harbin Engineering University,Harbin Heilongjiang 150001,China)

机构地区：[1]哈尔滨工程大学计算机科学与技术学院,哈尔滨150001

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61472095)~~

年　　份：2018

卷　　号：38

期　　号：11

起止页码：3075-3080

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：卷积神经网络(CNN)和循环神经网络(RNN)在自然语言处理上得到广泛应用,但由于自然语言在结构上存在着前后依赖关系,仅依靠卷积神经网络实现文本分类将忽略词的上下文含义,且传统的循环神经网络存在梯度消失或梯度爆炸问题,限制了文本分类的准确率。为此,提出一种卷积神经网络和双向长短时记忆(Bi LSTM)特征融合的模型,利用卷积神经网络提取文本向量的局部特征,利用Bi LSTM提取与文本上下文相关的全局特征,将两种互补模型提取的特征进行融合,解决了单卷积神经网络模型忽略词在上下文语义和语法信息的问题,也有效避免了传统循环神经网络梯度消失或梯度弥散问题。在两种数据集上进行对比实验,实验结果表明,所提特征融合模型有效提升了文本分类的准确率。

关 键 词：词向量  卷积神经网络 双向长短时记忆  特征融合  文本情感分析

分 类 号：TP391]