基于深度学习的录音文本分类方法

• 作者: 丛群 张彦楠 马严 黄小红
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 词向量 卷积神经网络(CNN) 双向门限循环单元 注意力 文本分类
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 1264-1271
• 页数: 8页
• 分类号: TP391
• 字数: 4464字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.07.003

摘要

为了提高具有关联工单数据的录音文本的分类精确率,根据录音文本及关联数据的特点,设计基于深度学习的录音文本分类方法.针对录音文本,通过双向词嵌入语言模型(ELMo)获得录音文本及工单信息的向量化表示,基于获取的词向量,利用卷积神经网络(CNN)挖掘句子局部特征;使用CNN分别挖掘工单标题和工单的描述信息,将CNN输出的特征进行加权拼接后,输入双向门限循环单元(GRU),捕捉句子上下文语义特征;引入注意力机制,对GRU隐藏层的输出状态赋予不同的权重.实验结果表明,与已有算法相比,该分类方法的收敛速度快,具有更高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马严	北京邮电大学信息网络中心	98	731	15.0	23.0
2	黄小红	北京邮电大学信息网络中心	35	124	6.0	9.0
3	丛群		4	2	1.0	1.0
4	张彦楠	北京邮电大学信息网络中心	1	0	0.0	0.0