文献类型：期刊文章

作　　者：郝婷[1] 王薇[2]

HAO Ting;WANG Wei(College of Cyberspace Security,Changchun University,Changchun 130022,China;College of Computer Science and Technology,Changchun 130022,China)

机构地区：[1]长春大学网络安全学院,吉林长春130022 [2]长春大学计算机科学技术学院,吉林长春130022

出　　处：《软件工程》

年　　份：2023

卷　　号：26

期　　号：3

起止页码：58-62

语　　种：中文

收录情况：JST、普通刊

摘　　要：中文短文本具有长度短及上下文依赖强的特点,针对新闻主题文本用词不够规范、语义模糊、特征稀疏等问题,提出首先在词向量表示阶段引入Bert(双向Transformers编码器)生成融合字、文本及位置的词向量作为训练文本的词表征进行文本语义增强,然后将得到的词向量输送到BiLSTM(双向长短期记忆网络)网络中提取上下文关系特征,最后使用Softmax分类器进行文本分类,模型准确率达0.9391。通过与其他主流方法进行对比和实验验证,实验结果表明,文章提出的方法在进行新闻短文本分类时有良好效果。

关 键 词：文本分类 BiLSTM  Bert  新闻分类

分 类 号：TP391.1]