运用CNN-LSTM混合模型的短文本分类

• 作者: 呼嘉明 陈新 马正奇 龙铭
• 来源期刊: 空军预警学院学报
• 学科: 工学
• 关键词: 短文本 卷积神经网络 长短时记忆网络 CNN-LSTM混合模型
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电子科学与技术
• 页码范围: 295-297,302
• 页数: 4页
• 分类号: TP391
• 字数: 2597字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-5839.2019.04.014

摘要

针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了文本数据量;利用LSTM的记忆能力,充分学习短文本的全局特征,进而对短文本进行更加有效地分类.实验结果表明,CNN-LSTM混合模型对短文本的分类效果远远好于CNN模型和LSTM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈新		25	69	4.0	7.0
2	马正奇		1	0	0.0	0.0
3	呼嘉明		1	0	0.0	0.0
4	龙铭		1	0	0.0	0.0