基于词义消歧的卷积神经网络文本分类模型

• 作者: 王雅玲 穆楠 薛涛
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 卷积神经网络 长短时记忆网络 特征提取 自然语言处理
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2898-2903
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.004

摘要

传统文本分类使用word embedding作为文档表示,忽略词在当前上下文的含义,潜在地认为相同词在不同文本中含义相同.针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN(word sense disambiguation convolutional neural network).使用双向长短时记忆网络(BLSTM)建模上下文,得到词义消歧后的文档特征图;利用卷积神经网络(CNN)进一步提取对文本分类最重要的特征.在四个数据集上进行对比实验,结果表明,所提出方法在两个数据集,特别是文档级数据集上优于先前最好的方法,在另外两个数据集上得到与此前最好方法相当的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛涛	西安工程大学计算机科学学院	67	213	7.0	10.0
2	穆楠	西安工程大学计算机科学学院	3	21	3.0	3.0
3	王雅玲	西安工程大学计算机科学学院	1	15	1.0	1.0