基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
信息时代互联网上产生了海量的文本数据,它们蕴含着巨大的商业和科研价值,由此文本分类技术得到了广泛的关注.文本分类在信息检索等应用领域占据着重要地位,同时也是自然语言处理等研究的关键技术.本文针对新闻文本的特点以及深度学习分类方法训练时间长的问题,提出了一种池化和注意力相结合的模型,并将其应用于中文新闻文本分类.该模型首先利用最大池化和平均池化提取出文本特征,然后利用注意力机制为句子生成权重,使用两者的拼接结果进行分类.模型在NLPCC2014新闻文本分类的数据集上进行了实验,一级类别的分类正确率达到了83. 96% ,接近该数据集上的最优结果,而且比标准深度学习算法的收敛时间更短.
推荐文章
结合注意力机制的新闻文本分类研究
文本分类
卷积神经网络
注意力模型
词向量
基于注意力CNLSTM模型的新闻文本分类
卷积神经网络
特征表示
嵌套长短期记忆网络
注意力机制
文本分类
结合自注意力机制的神经网络文本分类算法研究
文本分类
自注意力机制
深度学习
长短期记忆
卷积神经网络
基于深度神经网络的中文新闻文本分类方法
深度神经网络
文本分类
中文新闻
自然语言处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 池化和注意力相结合的新闻文本分类方法
来源期刊 小型微型计算机系统 学科 工学
关键词 文本分类 注意力机制 最大池化 机器学习
年,卷(期) 2019,(11) 所属期刊栏目 计算机软件与数据库研究
研究方向 页码范围 2393-2397
页数 5页 分类号 TP391
字数 4994字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 石磊 郑州大学信息工程学院 143 984 17.0 24.0
2 卫琳 郑州大学软件技术学院 55 433 12.0 18.0
3 陶永才 郑州大学信息工程学院 42 284 8.0 14.0
4 杨朝阳 郑州大学信息工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (21)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (2)
二级引证文献  (0)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本分类
注意力机制
最大池化
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
小型微型计算机系统
月刊
1000-1220
21-1106/TP
大16开
辽宁省沈阳市东陵区南屏东路16号
8-108
1980
chi
出版文献量(篇)
11026
总下载数(次)
17
总被引数(次)
83133
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导