基于CNN+LSTMAttention的营销新闻文本分类

• 作者: 刘高军 王小宾
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 营销新闻 文本分类 卷积神经网络 注意力机制 长短期记忆神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 59-63
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.11.011

摘要

针对营销新闻分类识别任务,传统方法采用的长短期记忆神经网络LSTM和卷积神经网络CNN存在分类识别率不高的问题,因此提出一种融合CNN和引入注意力机制的长短时记忆(LSTMAttention)来提高营销新闻识别分类能力.首先通过word2vec获取营销新闻文本词向量形成的矩阵,分别输入到传统机器学习分类模型中,在此基础上使用模型融合技术融合单一模型中分类效果较好的模型,最后得到融合模型和单一模型的分类结果并进行对比.实验结果显示,在基础模型LSTM引入了注意力机制之后准确率,召回率和F1值分别达到67.01％,66.07％,0.680,而CNN和LSTMAttention进行模型融合之后的准确率,召回率和F1值进一步达到了68.29％,71.27％,0.692.表明基于CNN和LSTMAttention融合之后的神经网络模型相较于单一模型,最终分类效果更好,可以达到提高营销新闻文本分类识别效果的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘高军		41	237	7.0	15.0
2	王小宾		3	1	1.0	1.0