基于集成神经网络的短文本分类模型

• 作者: 左万利 王英 王鑫 高云龙
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 短文本 集成神经网络 扩展词向量 分类
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 933-938
• 页数: 6页
• 分类号: TP181
• 字数: 2971字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2018.04.27

摘要

针对短文本具有稀疏性强和文本长度较小等特性,为更好地处理短文本分类问题,提出一个基于集成神经网络的短文本分类模型.首先,使用扩展词向量作为模型的输入,从而使数值词向量可有效描述短文本中形态、句法及语义特征;其次,利用递归神经网络(RN N)对短文本语义进行建模,捕获短文本内部结构的依赖关系;最后,在训练模型过程中,利用正则化项选取经验风险和模型复杂度同时最小的模型.通过对语料库进行短文本分类实验,验证了所提出模型有较好的分类效果,且该分类模型可处理变长的短文本输入,具有良好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左万利	吉林大学计算机科学与技术学院	88	1273	20.0	31.0
5	王英	吉林大学计算机科学与技术学院	99	713	15.0	23.0
9	王鑫	吉林大学符号计算与知识工程教育部重点实验室	44	181	8.0	12.0
11	高云龙	吉林大学计算机科学与技术学院	4	17	2.0	4.0