基于多神经网络混合的短文本分类模型

• 作者: 侯雪亮 李新 陈远平
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 短文本分类 关键词提取 特征重构 神经网络 FastText TextCNN
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 专论·综述
• 页码范围: 9-19
• 页数: 11页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007493

摘要

文本分类指的是在制定文本的类别体系下,让计算机学会通过某种分类算法将待分类的内容完成分类的过程.与文本分类有关的算法已经被应用到了网页分类、数字图书馆、新闻推荐等领域.本文针对短文本分类任务的特点,提出了基于多神经网络混合的短文本分类模型(Hybrid Short Text Classical Model Base on Multi-neural Networks).通过对短文本内容的关键词提取进行重构文本特征,并作为多神经网络模型的输入进行类别向量的融合,从而兼顾了FastText模型和TextCNN模型的特点.实验结果表明,相对于目前流行的文本分类算法而言,多神经网络混合的短本文分类模型在精确率、召回率和F1分数等多项指标上展现出了更加优越的算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新	中国科学院计算机网络信息中心	222	7440	44.0	79.0
2	陈远平	中国科学院计算机网络信息中心	11	40	4.0	6.0
3	侯雪亮	中国科学院计算机网络信息中心	1	0	0.0	0.0