融合LDA主题模型和二维卷积的短文本分类

• 作者: 康宸 李万龙 郑山红
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 短文本分类 LDA主题模型 二维卷积
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 127-131,153
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.11.022

摘要

由于受到短文本文本长度的限制,传统分类模型不能够充分挖掘短文本序列信息,导致短文本分类效果不佳.对此提出两种融合LDA主题模型和二维卷积的短文本分类模型.采用LDA主题模型预训练得到的主题词项分布来弥补短文本缺乏的主题信息,通过预训练词向量来补充短文本通用语义信息.同时将随机初始化词向量、预训练词向量,以及主题词项分布进行拼接,应用二维卷积学习拼接后短文本表示的空间层次结构.实验结果表明,相比于其他短文本分类算法,提出的两种短文本分类模型可以充分挖掘利用短文本特征,其分类准确度明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑山红		60	249	8.0	12.0
2	李万龙		66	472	9.0	19.0
3	康宸		1	0	0.0	0.0