基于双通道词向量的卷积胶囊网络文本分类

• 作者: 崔国荣 康雁 李晋源 杨其越 王沛尧
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 双通道词向量 卷积胶囊网络 动态路由机制 文本分类 特征表达
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 177-182
• 页数: 6页
• 分类号: TP391
• 字数: 4757字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052829

摘要

基于向量空间模型的文本分类方法的文本表示具有高纬度、高稀疏的特点,特征表达能力较弱,且特征工程依赖人工提取,成本较高.针对该问题,提出基于双通道词向量的卷积胶囊网络文本分类算法.将Word2Vec训练的词向量与基于特定文本分类任务扩展的语境词向量作为神经网络的2个输入通道,并采用具有动态路由机制的卷积胶囊网络模型进行文本分类.在多个英文数据集上的实验结果表明,双通道的词向量训练方式优于单通道策略,与LSTM、RAE、MV-RNN等算法相比,该算法具有较高的文本分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康雁	云南大学软件学院	29	83	5.0	8.0
2	杨其越	云南大学软件学院	5	1	1.0	1.0
3	李晋源	云南大学软件学院	7	1	1.0	1.0
4	崔国荣	云南大学软件学院	5	1	1.0	1.0
5	王沛尧	云南大学软件学院	5	1	1.0	1.0