基于BiLSTM神经网络的特征融合短文本分类算法

• 作者: 和志强 杨建 罗长玲
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: BiLSTM Word2vec模型 短文本分类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 21-27
• 页数: 7页
• 分类号: TP391.1
• 字数: 4598字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.02.005

摘要

由于短文本自身具有词汇个数少且格式不规范的特点,造成神经网络输入矩阵存在特征稀疏、维度过高以及语义特征提取不充分等问题.为解决上述问题,提出一种基于双向长短时记忆神经网络的短文本分类算法(WTL-BiLSTM),该算法融合Word2vec、TF-IDF和LDA主题模型实现文本向量化,在获取短文本词义特征的同时,加入词汇重要程度特征和文本主题特征.并利用BiLSTM从前、后两个方向全面捕捉短文本语义特征,有效避免了RNN模型梯度爆炸和梯度消失问题.经实验验证,该算法能够有效解决短文本分类过程中出现的问题,相比于传统的短文本分类算法,分类准确率得到一定程度的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	和志强	河北经贸大学信息技术学院	28	84	5.0	8.0
2	罗长玲	河北经贸大学信息技术学院	3	7	1.0	2.0
3	杨建	河北经贸大学信息技术学院	4	8	1.0	2.0