期刊文章详细信息
文献类型:期刊文章
WANG Hai-tao;SONG Wen;WANG Hui(College of Computer Science and Technology,Henan Polytechnic University,Jiaozuo 454000,China)
机构地区:[1]河南理工大学计算机科学与技术学院,河南焦作454000
基 金:国家自然科学基金项目(61503124,61572379)资助.
年 份:2020
卷 号:41
期 号:6
起止页码:1163-1168
语 种:中文
收录情况:AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊
摘 要:针对卷积神经网络(Convolutional Neural Network,CNN)在获取文本中上下文依赖关系方面的不足及深层神经网络在提取文本特征时出现的特征丢失问题,提出一种将长短时记忆网络(Long Short-Term Memory,LSTM)与卷积神经网络结合的文本分类模型MLCNN(Merge-LSTM-CNN).首先,利用词嵌入将输入文本进行向量表示,通过三层CNN提取文本的局部特征,进而整合出全文语义;同时,使用LSTM存储文本中历史信息的特征,以获取文本的上下文关联语义;其次,将输入向量分别与各层CNN的输出相融合,实现原始特征的重用.实验结果表明,相对于CNN、LSTM以及其改进模型,MLCNN模型的分类准确率达到96.45%,取得更好的分类效果.
关 键 词:文本分类 长短时记忆网络 卷积神经网络 词嵌入 融合
分 类 号:TP391]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...