基于word2vec和LSTM的饮食健康文本分类研究

• 作者: 杜会芳 董翠翠 赵明 陈长松
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 文本分类 word2vec 词向量 长短期记忆网络 K-means++
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 202-208
• 页数: 7页
• 分类号: TP182
• 字数: 6266字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2017.10.025

摘要

为了对饮食文本信息高效分类,建立一种基于word2vec和长短期记忆网络(Long-short term memory,LSTM)的分类模型.针对食物百科和饮食健康文本特点,首先利用word2vec实现包含语义信息的词向量表示,并解决了传统方法导致数据表示稀疏及维度灾难问题,基于K-means++根据语义关系聚类以提高训练数据质量.由word2vec构建文本向量作为LSTM的初始输入,训练LSTM分类模型,自动提取特征,进行饮食宜、忌的文本分类.实验采用48 000个文档进行测试,结果显示,分类准确率为98.08％,高于利用tf-idf、bag-of-words等文本数值化表示方法以及基于支持向量机(Support vector machine,SVM)和卷积神经网络(Convolutional neural network,CNN)分类算法结果.实验结果表明,利用该方法能够高质量地对饮食文本自动分类,帮助人们有效地利用健康饮食信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵明	中国农业大学信息与电气工程学院	172	4205	37.0	58.0
2	陈长松		11	130	5.0	11.0
3	杜会芳	中国农业大学信息与电气工程学院	2	46	2.0	2.0
4	董翠翠	中国农业大学信息与电气工程学院	2	46	2.0	2.0