基于神经网络的文本表示模型新方法

• 作者: 张笑燕 曾谁飞 杜晓峰 陆天波
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 神经网络 词向量 Bi-LSTM 文本表示
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 86-98
• 页数: 13页
• 分类号: TP183
• 字数: 12180字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2017088

摘要

提出了一种改进的文本表示模型提取文本特征词向量方法.首先构建基于词典索引和所对应的词性索引的double word-embedding列表的word-embedding词向量,其次,利用在此基础上Bi-LSTM循环神经网络对生成后的词向量进一步进行特征提取,最后,通过mean-pooling层处理句子向量后且使用了softmax层进行文本分类.实验验证了Bi-LSTM和double word-embedding神经网络相结合的模型训练效果与提取情况.实验结果表明,该模型不但能较好地处理高质量的文本特征向量提取和表达序列,而且比LSTM、LSTM+context window和Bi-LSTM 这3种神经网络有较明显的表达效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆天波	北京邮电大学软件学院	11	90	6.0	9.0
2	张笑燕	北京邮电大学软件学院	27	210	9.0	13.0
3	杜晓峰	北京邮电大学计算机学院	13	73	5.0	8.0
4	曾谁飞	北京邮电大学软件学院	2	30	2.0	2.0