| 基于改进的CBOW与BI-LSTM-ATT的文本分类研究 |
| |
| 引用本文： | 王辉,潘俊辉,王浩畅,张强,张岩.基于改进的CBOW与BI-LSTM-ATT的文本分类研究[J].计算机与数字工程,2021,49(7):1372-1376. |
| |
| 作者姓名： | 王辉 潘俊辉 王浩畅 张强 张岩 |
| |
| 作者单位： | 东北石油大学计算机与信息技术学院 大庆 163318 |
| |
| 摘 要： | 特征词的选取与文本表示是文本分类信息预处理的核心问题之一,鉴于此,论文提出一种改进的加权连续词袋模型(CBOW)与基于注意力机制的双向长短期记忆网络模型(BI-LASM-ATT)应用于文本分类研究.该模型以词频作为特征选择依据,改进了频次与反频次,利用加权CBOW模型得到词向量表示,作为BI-LSTM-ATT模型的词嵌入层,得到Soft-max分类器分类结果.论文在复旦大学提供的语料集的实验结果表明,该模型在文本分类的精确率、召回率、F_meature效果对比中,比传统机器学习和深度学习算法均有明显提高.
|
| 关 键 词： | 深度学习 CBOW LSTM 注意机制 文本分类 |
Text Classification Research Based on Improved CBOW and BI-LSTM-ATT |
| |
| WANG Hui,PAN Junhui,WANG Haochang,ZHANG Qiang,ZHANG Yan.Text Classification Research Based on Improved CBOW and BI-LSTM-ATT[J].Computer and Digital Engineering,2021,49(7):1372-1376. |
| |
| Authors: | WANG Hui PAN Junhui WANG Haochang ZHANG Qiang ZHANG Yan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
