基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文本的表示与文本的特征提取是文本分类需要解决的核心问题,基于此,提出了基于改进的连续词袋模型(CBOW)与ABiGRU的文本分类模型.该分类模型把改进的CBOW模型所训练的词向量作为词嵌入层,然后经过卷积神经网络的卷积层和池化层,以及结合了注意力(Attention)机制的双向门限循环单元(BiGRU)神经网络充分提取了文本的特征.将文本特征向量输入到softmax分类器进行分类.在三个语料集中进行的文本分类实验结果表明,相较于其他文本分类算法,提出的方法有更优越的性能.
推荐文章
基于改进的朴素贝叶斯文本分类研究
文本分类
朴素贝叶斯
K近邻
知网
中文分词
基于改进KNFL算法的海量文本分类研究
K最近特征线
离群点
类中心距
基于聚类改进的 KN N文本分类算法
文本分类
KNN
聚类化
训练集
基于聚类降维的改进KNN文本分类
特征降维
聚类
文本分类
K平均
K近邻
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进的CBOW与ABiGRU的文本分类研究
来源期刊 计算机工程与应用 学科 工学
关键词 深度学习 连续词袋模型(CBOW) 注意力机制 神经网络 文本分类
年,卷(期) 2019,(24) 所属期刊栏目 模式识别与人工智能
研究方向 页码范围 135-140,170
页数 7页 分类号 TP391.1
字数 6064字 语种 中文
DOI 10.3778/j.issn.1002-8331.1809-0015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 左亚尧 广东工业大学计算机学院 22 93 5.0 9.0
2 张宇艺 广东工业大学计算机学院 2 4 1.0 2.0
3 陈小帮 广东工业大学计算机学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (75)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
连续词袋模型(CBOW)
注意力机制
神经网络
文本分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导