基于BLSTM的诗词风格分类技术研究

• 作者: 何中市 张航
• 来源期刊: 现代计算机
• 关键词: 诗词风格分类 深度学习 BiLSTM 词向量
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究与开发
• 页码范围: 12-17,23
• 页数: 7页
• 字数: 4083字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.02.003

摘要

诗词的风格分类其实质是文本分类问题.相比于传统的基于词袋或N-Gram的文本分类方法忽略字词之间的上下文联系,循环神经网络将文本分类处理为序列化分类问题,取得更高的效率和准确率.将双向循环神经网络(BiL-STM)运用到中文古诗词风格分类中,通过诗词字、词向量与BiLSTM结合构建基于深度神经网络的中文古诗词分类模型,与传统的分类模型相比,显著的提高分类效果.并通过实验验证基于中文古诗词语料库的诗词字或词向量模型比基于现代汉语语料库的词向量模型分类准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何中市	重庆大学计算机学院	96	980	17.0	24.0
2	张航	重庆大学计算机学院	9	43	4.0	6.0