基于改进的CBOW与ABiGRU的文本分类研究

• 作者: 左亚尧 张宇艺 陈小帮
• 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
• 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

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.

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