基于注意力CNLSTM模型的新闻文本分类

• 作者: 任庆宁 刘月 翟东海
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 特征表示 嵌套长短期记忆网络 注意力机制 文本分类
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 303-308,314
• 页数: 7页
• 分类号: TP391.1
• 字数: 5768字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051312

摘要

结合卷积神经网络(CNN)和嵌套长短期记忆网络(NLSTM)2种模型,基于注意力机制提出一个用于文本表示和分类的CNLSTM模型.采用CNN提取短语序列的特征表示,利用NLSTM学习文本的特征表示,引入注意力机制突出关键短语以优化特征提取的过程.在3个公开新闻数据集中进行性能测试,结果表明,该模型的分类准确率分别为96.87％、95.43％和97.58％,其性能比baseline方法有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟东海	西南交通大学信息科学与技术学院	45	285	9.0	14.0
2	刘月	西南交通大学信息科学与技术学院	4	15	2.0	3.0
3	任庆宁	西南交通大学信息科学与技术学院	1	5	1.0	1.0