采用词向量注意力机制的双路卷积神经网络句子分类模型

• 作者: 左万利 王英 郭宝震
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 词向量 注意力机制 双路卷积神经网络 句子分类
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 计算机技术
• 页码范围: 1729-1737
• 页数: 9页
• 分类号: TP183
• 字数: 6782字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2018.09.013

摘要

针对句子中不同的词对分类结果影响不同以及每个词对应的词向量受限于单一词向量训练模型的特点,提出一种基于词向量注意力机制的双路卷积神经网络句子分类模型(AT-DouCNN).该模型将注意力机制和卷积神经网络相结合,以不同训练算法得到的词向量同时作为输入,分别进行卷积和池化,并在全连接层进行融合,不仅能够使得具体分类任务下句子中的关键信息更易被提取,还能够有效地利用不同种类的词向量得到更加丰富的句子特征,进而提高分类的准确率.实验结果表明:所提出的模型在3个公开数据集上的分类准确率分别达到50.6％、88.6％和95.4％,具有良好的句子分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左万利	吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室	88	1273	20.0	31.0
2	王英	吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室	99	713	15.0	23.0
3	郭宝震	吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室	1	2	1.0	1.0