文献类型：期刊文章

作　　者：韩栋[1] 王春华[1] 肖敏[2]

HAN Dong;WANG Chun-hua;XIAO Min(School of Information Engineering,Huanghuai University,Zhumadian 463000,China;School of Computer Science and Technology,Wuhan University of Technology,Wuhan 430063,China)

机构地区：[1]黄淮学院信息工程学院,河南驻马店463000 [2]武汉理工大学计算机科学与技术学院,湖北武汉430063

出　　处：《计算机工程与设计》

基　　金：河南省科技厅科技计划基金项目(172102210117);河南省驻马店市科技计划基金项目(17135)

年　　份：2019

卷　　号：40

期　　号：1

起止页码：256-260

语　　种：中文

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

摘　　要：为提高对网络短文本分类的性能,提出一种融合卷积神经网络(CNN)和句子级监督学习的分类方法。构建一种用于短文本分类的经典CNN模型;将主题句融入到CNN中,即对输入文本进行句子级CNN监督学习,构建句子模型并识别主题句;将主题句子模型赋予较高权重,通过加权和构建文本模型。通过文本级CNN监督学习,实现文本分类。在两个评论数据集上的实验结果表明,提出方法具有较高的分类准确性。

关 键 词：短文本分类  卷积神经网络  主题句 句子级监督学习  文本级监督学习  

分 类 号：TP311]