基于卷积神经网络和贝叶斯分类器的句子分类模型

• 作者: 刘培玉 刘文锋 朱振方 李文宽
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 句子分类 卷积神经网络 主成分分析法 贝叶斯分类器
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 333-336,341
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0525

摘要

针对传统句子分类模型存在特征提取过程复杂且分类准确率较低等不足,利用当下流行的基于深度学习模型的卷积神经网络在特征提取上的优势,结合传统句子分类方法提出一种基于卷积神经网络和贝叶斯分类器的句子分类模型.该模型首先利用卷积神经网络提取文本特征,其次利用主成分分析法对文本特征进行降维,最后利用贝叶斯分类器进行句子分类.实验结果表明在康奈尔大学公开的影评数据集和斯坦福大学情感分类数据集上,所提模型优于只使用深度学习的模型或传统句子分类模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘培玉	山东师范大学信息科学与工程学院	126	1276	18.0	27.0
3	刘文锋	山东师范大学信息科学与工程学院	18	39	4.0	5.0
8	朱振方	山东交通学院信息科学与电气工程学院	24	171	7.0	12.0
12	李文宽	山东师范大学信息科学与工程学院	1	0	0.0	0.0