基于关键词策略和CNN的中文文本有害信息分类

• 作者: 刘彩玲 张光斌 张宏怡 陈德意
• 来源期刊: 集美大学学报（自然科学版）
• 学科: 工学
• 关键词: 词向量 分词频文档频率 特征词集合 Word2Vec模型 卷积神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 数理科学与信息工程
• 页码范围: 392-400
• 页数: 9页
• 分类号: TP312
• 语种: 中文
• DOI: 10.19715/j.jmuzr.2020.05.12

摘要

提出一种新颖的中文文本分类框架.在该框架中,首先基于Word2Vec构建词向量模型,然后采用分词频文档频率(segmentation term frequency-document frequency,STF-DF)筛选出类别区分能力强的关键词,同时构建一种适合于中文文本分类的卷积神经网络(convolution neural network,CNN)进行分类.实验结果表明,采用该框架使THUCNews和复旦大学中文文本数据集中的准确率分别达到了94.51％和95.04％,同时在真实的有害信息数据集中取得了99.70％的召回率,这验证了所提出框架的有效性和实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏怡		11	23	3.0	4.0
2	陈德意		1	0	0.0	0.0
3	刘彩玲		1	0	0.0	0.0
4	张光斌		1	0	0.0	0.0