结合Bert字向量和卷积神经网络的新闻文本分类方法

• 作者: 刘凯洋
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: Bert CNN 文本分类 字向量 新闻
• 年，卷（期）: 2020,（1）
• 页码范围: 187-188
• 页数: 2页
• 分类号: TP391

摘要

目前的文本分类大多使用词向量,且词向量大多由Word2vec,Glove等方法训练得到,其存在的问题是部分文本中词语的数量较多而训练速度较慢,且准确率受到切词的影响。由于中文字词和英文差异较大,提出结合Bert字向量的文本分类方法。Bert是一个由Google提出的以Transformer为基础的自然语言处理通用模型,它提供了汉语字符级别的词向量即字向量。利用Bert字向量并使用卷积神经网络对新闻进行文本分类。在准确率较高的情况下,其效率高于结合词向量的文本分类方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘凯洋	东北师范大学数学与统计学院	2	1	1.0	1.0