基于改进CNN的海军军事文本分类模型

• 作者: 丁海强 司维超 李程瑜 齐玉东
• 来源期刊: 电光与控制
• 学科: 工学
• 关键词: 海军军事文本分类 大数据 一维卷积神经网络 变步长卷积 带权池化
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 综述与评论
• 页码范围: 68-73
• 页数: 6页
• 分类号: TP391
• 字数: 6303字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-637X.2020.05.014

摘要

针对传统的文本分类方法在海军军事文本分类上准确度不高的问题,根据海军军事文本中重点信息的位置分布规律,改进了传统的一维卷积神经网络,并进一步设计海军军事文本分类模型.在一维卷积方面,提出变步长卷积方法,文本首尾位置采用低步长、中间位置采用高步长挖掘文本特征,提高文本首尾位置的重点特征的挖掘能力;在一维池化方面,提出带权池化方法,将文本位置信息转化为权重值参与池化运算,体现文本位置信息的重要程度.实验结果表明,与传统的支持向量机、K近邻算法、一维卷积神经网络以及长短期记忆网络模型相比,该文本分类模型的准确率、召回率、F1值均有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐玉东		62	181	7.0	10.0
2	司维超		16	48	3.0	6.0
3	丁海强		4	1	1.0	1.0