CNN-ELM混合短文本分类模型

• 作者: 夏战国 杨婷 韩众和
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 卷积神经网络 极速学习机
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 663-667,672
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.09.0930

摘要

针对目前自然语言处理研究中,使用卷积神经网络(CNN)进行短文本分类任务时可以结合不同神经网络结构与分类算法以提高分类性能的问题,提出了一种结合卷积神经网络与极速学习机的CNN-ELM混合短文本分类模型.使用词向量训练构成文本矩阵作为输入数据,然后使用卷积神经网络提取特征并使用Highway网络进行特征优化,最后使用误差最小化极速学习机(EM-ELM)作为分类器完成短文本分类任务.与其他模型相比,该混合模型能够提取更具代表性的特征并能快速准确地输出分类结果.在多种英文数据集上的实验结果表明,提出的CNN-ELM混合短文本分类模型比传统机器学习模型与深度学习模型更适合完成短文本分类任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏战国	中国矿业大学计算机科学与技术学院	23	137	7.0	11.0
2	杨婷	中科院电子学研究所苏州研究院	2	22	2.0	2.0
3	韩众和	中国矿业大学计算机科学与技术学院	1	7	1.0	1.0