基于句子级学习改进CNN的短文本分类方法

被引：13

作者：

韩栋 ^{[1
]}

王春华 ^{[1
]}

肖敏 ^{[2
]}

机构：

[1] 黄淮学院信息工程学院

[2] 武汉理工大学计算机科学与技术学院

来源：

计算机工程与设计 | 2019年 / 40卷 / 01期

关键词：

短文本分类; 卷积神经网络; 主题句; 句子级监督学习; 文本级监督学习;

D O I：

10.16208/j.issn1000-7024.2019.01.043

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

081203 ; 0835 ; 081104 ; 0812 ; 1405 ;

摘要：

为提高对网络短文本分类的性能,提出一种融合卷积神经网络(CNN)和句子级监督学习的分类方法。构建一种用于短文本分类的经典CNN模型;将主题句融入到CNN中,即对输入文本进行句子级CNN监督学习,构建句子模型并识别主题句;将主题句子模型赋予较高权重,通过加权和构建文本模型。通过文本级CNN监督学习,实现文本分类。在两个评论数据集上的实验结果表明,提出方法具有较高的分类准确性。

引用

页码：256 / 260+284 +284

页数：6

共 15 条

[1]

Hierarchical Attention Networks for Document Classification. YANG Z,YANG D,DYER C,et al. Conference of the North American Chapter of the Association for Computational Linguistics:Human Language Technologies . 2017

[2] 基于知识语义权重特征的朴素贝叶斯情感分类算法 [J].

冀俊忠 ;

张玲玲 ;

吴晨生 ;

吴金源 .

北京工业大学学报, 2014, 40 (12) :1884-1890

[3] 基于LDA主题模型的短文本分类 [J].

杨萌萌 ;

黄浩 ;

程露红 ;

马平 ;

包武杰 .

计算机工程与设计, 2016, 37 (12) :3371-3377

[4]

Store classification using text-exemplar-similarity and hypotheses-weightedCNN. Huang Chao,Li Hongliang,Li Wei,et al. Journal of Visual Communication&Image Representation . 2017

[5]

Predicting bug-fix time:Using standard versus topic-based text categorization techniques. Ardimento P,Bilancia M,Monopoli S. International Conference on Discovery Science . 2016

[6] 结合卷积神经网络和词语情感序列特征的中文情感分析 [J].

陈钊 ;

徐睿峰 ;

桂林 ;

陆勤 .

中文信息学报, 2015, 29 (06) :172-178

[7] 基于事件卷积特征的新闻文本分类 [J].

夏从零 ;

钱涛 ;

姬东鸿 .

计算机应用研究, 2017, 34 (04) :991-994

[8] 分段卷积神经网络在文本情感分析中的应用 [J].

杜昌顺 ;

黄磊 .

计算机工程与科学, 2017, 39 (01) :173-179

[9]

Short text classification based on Wikipedia and Word2vec. W.Liu,Z.Cao,J.Wang,et al. IEEE International Conference on Computer and Communications . 2017

[10] 结合遗传算法的优化卷积神经网络学习方法 [J].

王丽敏 ;

乔玲玲 ;

魏霖静 .

计算机工程与设计, 2017, 38 (07) :1945-1950

← 1 2 →