结合TFIDF的Self-Attention-Based Bi-LSTM的垃圾短信识别

• 作者: 吴思慧 陈世平
• 来源期刊: 计算机系统应用
• 关键词: 垃圾短信 文本分类 self-attention Bi-LSTM TFIDF
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 171-177
• 页数: 7页
• 字数: 4177字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007495

摘要

随着手机短信成为人们日常生活交往的重要手段,垃圾短信的识别具有重要的现实意义.针对此提出一种结合TFIDF的self-attention-based Bi-LSTM的神经网络模型.该模型首先将短信文本以词向量的方式输入到Bi-LSTM层,经过特征提取并结合TFIDF和self-attention层的信息聚焦获得最后的特征向量,最后将特征向量通过Softmax分类器进行分类得到短信文本分类结果.实验结果表明,结合TFIDF的self-attention-based Bi-LSTM模型相比于传统分类模型的短信文本识别准确率提高了2.1％–4.6％,运行时间减少了0.6 s–10.2 s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈世平	复旦大学上海市数据科学重点实验室	4	18	2.0	4.0
2	吴思慧	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0