用于短文本分类的BLSTMMLPCNN模型

被引：26

作者：

郑诚

洪彤彤

薛满意

机构：

[1] 安徽大学计算机科学与技术学院

来源：

计算机科学 | 2019年 / 46卷 / 06期

关键词：

字符级向量; 词向量; 卷积神经网络(CNN); 双向长短时记忆神经网络(BLSTM); 多层感知器(MLP); 多层感知器卷积网络(MLPCNN);

D O I：

暂无

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：

120506 [数字人文]; 140502 [人工智能];

摘要：

文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTMMLPCNN神经网络模型。该模型首先将卷积神经网络（CNN）作用于字符以获取字符级向量,并将字符级向量联合词向量作为预训练词嵌入向量,也即双向长短时记忆网（BLSTM）模型的输入;然后联合BLSTM模型的前向输出、词嵌入向量、后向输出构成文档特征图;最后利用多层感知器卷积神经网络（MLPCNN）进行特征提取。在相关数据集上的实验结果表明:相比于CNN,RNN以及CNN与RNN的组合模型,BLSTMMLPCNN模型具有更优的分类性能。

引用

页码：206 / 211

页数：6