结合注意力机制的新闻文本分类研究

• 作者: 廖闻剑 於韬 黄珊珊
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 文本分类 卷积神经网络 注意力模型 词向量
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 389-392
• 页数: 4页
• 分类号: TN391.1
• 字数: 3042字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.02.023

摘要

一篇新闻文本中通常包含数十至数百个词语,其中有许多与分类无关的词语,它们会对分类性能产生影响.为此,论文提出了一种结合注意力机制的文本分类方法.在经典的卷积神经网络(CNN)文本分类模型的基础上,引入了注意力机制,考虑了不同词语对于分类的贡献度大小,提供了更加丰富的文本特征表达.实验在清华大学自然语言处理中文文本分类数据集上进行,研究了注意力机制的引入对于CNN文本分类模型的影响.实验结果表明,在引入了注意力机制以后,相较于经典的CNN文本分类模型,分类效果得到了一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖闻剑		13	29	3.0	5.0
2	於韬		1	0	0.0	0.0
6	黄珊珊		2	1	1.0	1.0