运用CNN-LSTM混合模型的短文本分类 |
| |
作者姓名: | 马正奇 呼嘉明 龙铭 陈新 |
| |
作者单位: | 空军预警学院,武汉,430019;空军预警学院,武汉,430019;空军预警学院,武汉,430019;空军预警学院,武汉,430019 |
| |
摘 要: | 针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了文本数据量;利用LSTM的记忆能力,充分学习短文本的全局特征,进而对短文本进行更加有效地分类.实验结果表明,CNN-LSTM混合模型对短文本的分类效果远远好于CNN模型和LSTM模型.
|
关 键 词: | 短文本 卷积神经网络 长短时记忆网络 CNN-LSTM混合模型 |
本文献已被 维普 万方数据 等数据库收录! |
|