关联语义结合卷积神经网络的文本分类方法

• 作者: 魏勇
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 文本分类 关联语义 卷积神经网络 最大池化
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 工业过程管理与决策系统
• 页码范围: 367-370
• 页数: 4页
• 分类号: TP311
• 字数: 3965字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.170783

摘要

针对传统文本分类方法中没有考虑单词语义信息的问题,提出一种结合关联语义和卷积神经网络(CNN)的文本分类方法.首先,对文本进行预处理提取出词干.然后,将每个单词与其相关联的上下文单词相结合,以此构建包含语义信息的词向量.接着,将文本的词向量矩阵输入到CNN中,通过卷积层和最大池化层来获得最佳特征,通过输出层获得分类概率.最后,以最小化代价函数来训练CNN模型,以此构建最终的文本分类器.在2个中文数据集上的实验结果表明,该方法能够实现文本的准确分类,具有可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏勇	河南工学院计算机科学与技术系	10	65	5.0	8.0