基于CP-CNN的中文短文本分类研究

被引：22

作者：

余本功 ^{[1
,2
]}

张连彬 ^{[1
]}

机构：

[1] 合肥工业大学管理学院

[2] 合肥工业大学过程优化与智能决策教育部重点实验室

来源：

计算机应用研究 | 2018年 / 35卷 / 04期

关键词：

短文本; 分类; 卷积神经网络;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

短文本具有长度短、特征稀疏以及上下文依赖强等特点,传统方法对其直接进行分类精度有限。针对此问题,提出了一种结合字符和词的双输入卷积神经网络模型CP-CNN。该模型通过加入一种用拼音序列表征字符级输入的方法,构建字符级和词级的双输入矩阵,并在采样层使用k-max采样方法,增强模型特征的表达能力。利用豆瓣电影评论数据集对该模型进行识别精度评估,实验结果表明,与传统分类模型和标准卷积神经网络模型相比,该模型可有效提高短文本分类效果。

引用

页码：1001 / 1004

页数：4