文献类型：期刊文章

作　　者：淦亚婷[1] 安建业[1] 徐雪[1]

GAN Yating;AN Jianye;XU Xue(School of Science,Tianjin University of Commerce,Tianjin 300134,China)

机构地区：[1]天津商业大学理学院,天津300134

出　　处：《计算机工程与应用》

基　　金：国家社会科学基金青年项目(20CTJ011)。

年　　份：2023

卷　　号：59

期　　号：4

起止页码：43-53

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：从CNN、RNN、CNN-RNN、GCN及其他深度学习方法五方面,全面分析了深度学习在短文本分类应用中的研究现状,比较了各自的优缺点,总结了常用的标签数据集。结果表明:目前深度学习在短文本分类中的应用研究主要集中在高效算法改进以及文本信息拓展两方面;对模型检验中构建标签数据集的研究也处于起步阶段,大多是针对影评、商品评论、新闻等特定领域的,还需不断完善;基于深度学习的短文本分类方法研究,今后在理论研究方面将重点关注算法改进、信息拓展以及二者的相互融合,在实践中探索某些分类效果较好的特定领域应用。

关 键 词：短文本  文本分类 深度学习  文本表示

分 类 号：TP391.1] TP18[计算机类]