集成学习在短文本分类中的应用研究

• 作者: 周刚 王国薇 胡英 黄浩
• 来源期刊: 现代电子技术
• 关键词: 短文本分类 机器学习 深度学习 集成学习 Bagging Stacking
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 140-145
• 页数: 6页
• 分类号: TN911.1-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.24.034

摘要

为了进一步提高基于深度神经网络短文本分类性能,提出将集成学习方法应用于5种不同的神经网络文本分类器,即卷积神经网络、双向长短时记忆网络、卷积循环神经网络、循环卷积神经网络、分层注意力机制神经网络,分别对两种集成学习方法(Bagging,Stacking)进行了测试.实验结果表明:将多个神经网络短文本分类器进行集成的分类性能要优于单一文本分类模型;进一步两两集成的实验验证了单个模型对短文本分类性能的贡献率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄浩	新疆大学信息科学与工程学院	34	106	5.0	9.0
2	周刚	新疆大学信息科学与工程学院	9	61	4.0	7.0
3	胡英	新疆大学信息科学与工程学院	5	9	2.0	3.0
4	王国薇	新疆大学信息科学与工程学院	1	2	1.0	1.0