字符级卷积神经网络短文本分类算法

• 作者: 刘兵 刘敬学 周勇 孟凡荣
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 字符级 神经网络 文本分类 高速公路网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 135-142
• 页数: 8页
• 分类号: TP31
• 字数: 9257字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0090

摘要

由于短文本具有长度短、特征稀疏以及上下文依赖性强等特点,传统方法对其直接进行分类精度有限.针对该问题,提出了一种基于字符级嵌入的卷积神经网络(CNN)和长短时记忆网络(LSTM)相结合的神经网络模型进行短文本的分类.该模型同时包括了高速公路网络(Highway networks)框架,用于缓解深度神经网络训练时的困难,提高分类的准确性.通过对几种数据集的测试,结果表明提出的模型在短文本分类任务中优于传统模型和其他基于CNN的分类模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟凡荣	中国矿业大学计算机科学与技术学院	81	935	16.0	28.0
2	刘兵	中国矿业大学计算机科学与技术学院	37	274	11.0	15.0
4	周勇	中国矿业大学计算机科学与技术学院	85	984	16.0	29.0
7	刘敬学	中国矿业大学计算机科学与技术学院	1	12	1.0	1.0