文献类型：期刊文章

作　　者：陆超红[1]

Lu Chaohong(USTC-Birmingham Joint Research Institute in Intelligent Computation and Its Application,School of Computer Science and Technology,University of Science and Technology of China,Hefei 230027,Anhui,China)

机构地区：[1]中国科学技术大学计算机科学与技术学院中国科大-伯明翰大学智能计算与应用联合研究所,安徽合肥230027

出　　处：《计算机应用与软件》

年　　份：2020

卷　　号：37

期　　号：8

起止页码：282-288

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：循环神经网络和卷积神经网络能够分别捕捉文本中的长期依赖和局部依赖,但是定长的向量表示限制了循环神经网络的特征表达能力,卷积核的大小也影响了卷积神经网络提取特征的能力。针对这些问题,提出多通道循环卷积神经网络来处理文本分类。采用双向长短期记忆网络对文本进行序列建模;利用标量注意力机制和矢量注意力机制来辅助生成文本的多通道表示;最终由卷积神经网络来完成文本分类。在标准数据集上的实验验证了该框架的分类有效性以及文本多通道表示的语义丰富性。

关 键 词：注意力机制  循环神经网络 卷积神经网络 多通道 文本分类

分 类 号：TP3[计算机类]