基于LSTM-ICNN的网络情报信息技术研究

• 作者: 张正凯 曲琦 许胜之
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 卷积神经网络 长短期记忆神经网络 短文本 分类 深度学习
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 144-148
• 页数: 5页
• 分类号: TP183|TP391.1|TN0
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1902860

摘要

传统的短本文分类方法不仅会造成特征向量的高稀疏性及维度灾难,而且还不能准确表达语序信息,采用改进卷积神经网络(ICNN)能够对文本特征进行有效挖掘,长短期记忆神经网络(LSTM)能够实现语序的准确表达,为此提出了基于LSTM-ICNN的短文本分类技术研究.首先,为了提高传统卷积神经网络的特征提取能力,引入了三种卷积核因子,提高了短文本特征信息的获取量.然后,由于LSTM具有优秀的字词序列语义表达效果,所以提出了基于LSTM-ICNN的短文本分类方法,该方法解决了短文本分类时特征量较少及语序表达不准确的问题.实验对比分析显示,在相同条件下,相比于其他传统的分类算法,LSTM-ICNN的短文本分类准确度最高,而且与现有研究成果相比,LSTM-ICNN方法具有明显优势,验证了本文所提方法的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许胜之		6	0	0.0	0.0
2	张正凯		6	0	0.0	0.0
3	曲琦		7	0	0.0	0.0