基于循环结构的卷积神经网络文本分类方法

• 作者: 陈波
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 循环结构 文本语义模型 文本分类
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 705-710
• 页数: 6页
• 分类号: TP391.1
• 字数: 4444字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2018.05.018

摘要

现有卷积神经网络在文本分类性能上受到词向量窗口长度的影响,在研究卷积神经网络分类方法的基础上,提出一种基于循环结构的神经网络文本分类方法,该方法对文本进行单次正向及反向扫描,能够在学习单词表示时尽可能地捕获上下文信息,整体算法时间复杂度为O(n),是线性复杂度;该方法构建文本语义模型可以捕获长距离的依赖关系,使得词向量窗口长度对文本分类性能没有影响,对上下文更有效地建模.实验结果表明,该方法构建文本语义模型的准确率达到96.86％,召回率达到96.15％,F1值达到96.5％,性能优于传统文本分类算法和卷积神经网络方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈波	陕西理工大学数学与计算机科学学院	6	27	3.0	5.0