基于CP-CNN的中文短文本分类研究

• 作者: 余本功 张连彬
• 来源期刊: 计算机应用研究
• 关键词: 短文本 分类 卷积神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1001-1004
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.04.009

摘要

短文本具有长度短、特征稀疏以及上下文依赖强等特点,传统方法对其直接进行分类精度有限.针对此问题,提出了一种结合字符和词的双输入卷积神经网络模型CP-CNN.该模型通过加入一种用拼音序列表征字符级输入的方法,构建字符级和词级的双输入矩阵,并在采样层使用k-max采样方法,增强模型特征的表达能力.利用豆瓣电影评论数据集对该模型进行识别精度评估,实验结果表明,与传统分类模型和标准卷积神经网络模型相比,该模型可有效提高短文本分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余本功	合肥工业大学管理学院	64	323	10.0	14.0
5	张连彬	合肥工业大学管理学院	1	28	1.0	1.0