文献类型：期刊文章

作　　者：万齐斌[1] 董方敏[1] 孙水发[1]

Wan Qibin;Dong Fangmin;Sun Shuifa(College of Computer and Information Technology,China Three Gorges University,Yichang 443002,Hubei,China)

机构地区：[1]三峡大学计算机与信息学院,湖北宜昌443002

出　　处：《计算机应用与软件》

基　　金：NSFC-新疆联合基金重点项目(U1703261)。

年　　份：2020

卷　　号：37

期　　号：9

起止页码：94-98

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、ZGKJHX、核心刊

摘　　要：BiLSTM和CNN网络在文本分类领域取得了较好的应用效果,二者的结合可以充分发挥CNN的特征提取能力和BiLSTM的上下文依赖能力,但是没有体现出每个词语在文本中的重要程度,无法将注意力集中在重要的词上。针对该问题,提出一种基于BiLSTM-Attention-CNN混合神经网络的文本分类方法。在BiLSTM层之后加入注意力机制(Attention)提取输出信息的注意力分值;注意力层之后,连接k-max池化层,提取前k个重要的词,增强模型特征的表达能力。在DBPedia和AGNews数据集上进行实验,结果表明,该模型相较于其他现有网络模型,分类准确率提高1~2个百分点。

关 键 词：文本分类 BiLSTM  注意力机制  k-max池化  CNN

分 类 号：TP391]