基于胶囊网络和卷积网络的文本分类对比

• 作者: 夏玲玲 张亮 王超 胡春涛 韩旭
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 文本分类 神经网络 胶囊网络 卷积网络 网络舆情
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 86-91
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.10.016

摘要

针对CNN应用于文本分类任务中,存在固定大小的卷积核会限制复杂语言结构特征的提取,以及CNN在最大值池化时会丢失大量特征信息这两类问题,引入胶囊网络替代CNN提取文本特征,根据Sabour等人提出的动态路由算法作为胶囊网络内部的传播原理,并将其与LSTM连接形成融合神经网络模型,并与文本分类任务中常用的CNN,LSTM,LSTM连接CNN三个基线模型进行比较.实验结果表明,胶囊网络相较于使用卷积核的CNN能够不受特征检测器结构和大小的限制,更加灵活地学习文本整体与部分的内在空间关系;不仅能够检测固定的文本特征,而且能够检测特征的变体及其可能性.LSTM连接胶囊网络的模型能有效提升文本分类的F1值,达到0.932,相比其他基线模型拥有最佳性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张亮		76	462	11.0	18.0
2	韩旭		8	30	3.0	5.0
3	胡春涛		4	4	1.0	2.0
4	夏玲玲		3	0	0.0	0.0
5	王超		1	0	0.0	0.0