一种基于双通道卷积神经网络的短文本分类方法

• 作者: 刘连喜 周泽红 张小川 桑瑞婷
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 短文本分类 文本表示 词向量 WCA-DCNN
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 智能技术
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP391.1
• 字数: 5068字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.01.007

摘要

传统卷积神经网络文本分类的效果依赖输入文本表示的准确度,如果文本表示不准确,则输入的噪音将直接导致分类准确性的大幅下降.针对此问题,本文提出一种基于结合词性概率(coefficient part of speech,CPOS)特征和应用场景(application scene,AS)改进的双通道文本卷积神经网络模型Word-CPOS&AS DCNN(WCA-DCNN),通过引入词性的贡献度和设定场景权重2个因子,改善传统方法中短文本表示特征稀疏及不精确的问题.实验结果表明:WCA-DCNN算法在准确率、召回率和F1值等指标上都有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小川	重庆理工大学计算机科学与工程学院	44	178	8.0	9.0
2	桑瑞婷	重庆理工大学计算机科学与工程学院	3	22	3.0	3.0
3	周泽红	重庆理工大学计算机科学与工程学院	2	9	2.0	2.0
4	刘连喜	重庆理工大学计算机科学与工程学院	1	5	1.0	1.0