基于深度学习的中文文本分类方法

• 作者: 肖禹 王景中 王宝成
• 来源期刊: 计算机工程与设计
• 关键词: 深度学习 文本分类 卷积神经网络 残差网络 长短期记忆网络 注意力机制
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 软件与算法|Software and Arithmetic
• 页码范围: 1014-1019
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.04.017

摘要

为提升中文文本的分类效率,改善梯度消失、梯度爆炸以及语义信息提取不准确等问题,提出基于深度学习的中文文本分类模型ResCNN-LSTMA.对残差网络和卷积神经网络的组合方式进行研究,发现二者组合能够避免梯度消失和梯度爆炸的情况.分析注意力机制与长短期记忆网络组合的形式对文本分类的效果,二者组合能够在保留上下文语义信息的同时对语义信息进行提取,改善特征提取不全面的问题.通过使用搜狐新闻数据集训练模型,验证了该模型分类效果的准确性和有效性.