基于注意力CNLSTM模型的新闻文本分类

被引：20

作者：

刘月

翟东海

任庆宁

机构：

[1] 西南交通大学信息科学与技术学院

来源：

计算机工程 | 2019年 / 45卷 / 07期

关键词：

卷积神经网络; 特征表示; 嵌套长短期记忆网络; 注意力机制; 文本分类;

D O I：

10.19678/j.issn.1000-3428.0051312

中图分类号：

TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];

学科分类号：

081203 ; 0835 ; 081104 ; 0812 ; 1405 ;

摘要：

结合卷积神经网络(CNN)和嵌套长短期记忆网络(NLSTM)2种模型,基于注意力机制提出一个用于文本表示和分类的CNLSTM模型。采用CNN提取短语序列的特征表示,利用NLSTM学习文本的特征表示,引入注意力机制突出关键短语以优化特征提取的过程。在3个公开新闻数据集中进行性能测试,结果表明,该模型的分类准确率分别为96.87%、95.43%和97.58%,其性能比baseline方法有显著提高。

引用

页码：303 / 308+314 +314

页数：7

共 12 条

[1]

基于Attention-Based LSTM模型的文本分类技术的研究.[D].张冲.南京大学.2016, 10

[2] Long short-term memory [J].