基于事件卷积特征的新闻文本分类

• 作者: 夏从零 姬东鸿 钱涛
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 事件 卷积神经网络 自然语言处理
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 991-994
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.04.007

摘要

以往的卷积神经网络模型在对文本建模和分类时,通常按顺序提取n-gram卷积特征,忽视了长距离依存关系中的句法结构和语义信息.提出了一种基于事件卷积特征的文本分类方法,利用事件的语义特性弥补之前模型的不足.该方法使用依存关系抽取出文本中的事件集合,通过卷积神经网络进行事件特征提取,并在此基础上进行文本分类.在对中文新闻语料的多分类实验中,该方法较传统的文本分类方法有明显的提高,较使用n-gram的卷积神经网络模型更为稳定.实验结果说明了模型的有效性以及事件特征的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬东鸿	武汉大学计算机学院	92	887	16.0	26.0
2	钱涛	武汉大学计算机学院	5	34	2.0	5.0
3	夏从零	武汉大学计算机学院	1	26	1.0	1.0