基于VDCNN与LSTM混合模型的中文文本分类研究

• 作者: 宋初柏 彭玉青 赵晓松 闫倩 魏铭
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 卷积神经网络 长短期记忆网络 词嵌入 深度残差网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 190-196
• 页数: 7页
• 分类号: TP182
• 字数: 6819字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048715

摘要

自然语言在结构上存在一定的前后依赖性,且将中文文本直接转化为向量时会使维度过高,从而导致现有文本分类方法精度较低.为此,建立一种超深卷积神经网络(VDCNN)与长短期记忆网络(LSTM)相结合的混合模型.通过VDCNN的深度结构来提取文本向量的特征,利用LSTM具有存储历史信息的特点提取长文本的上下文依赖关系,同时引入词嵌入将文本转换为低维度向量.在Sogou语料库和复旦大学中文语料库上进行实验,结果表明,相对CNN+ rand、LSTM等模型,该混合模型可以有效提升文本分类的精确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭玉青	河北工业大学人工智能与数据科学学院	33	309	9.0	17.0
2	宋初柏	河北工业大学人工智能与数据科学学院	3	19	2.0	3.0
3	闫倩	河北工业大学人工智能与数据科学学院	3	19	2.0	3.0
4	赵晓松	河北工业大学人工智能与数据科学学院	3	11	2.0	3.0
5	魏铭	河北工业大学人工智能与数据科学学院	2	9	1.0	2.0