计算机应用研究

作者：邢鑫,孙国梓,

单位：南京邮电大学计算机学院,南京210023；

关键词：文本分类,双向长短期记忆网络,卷积神经网络,注意力机制,双通道,词向量,

基金：国家自然科学基金资助项目(61502247)；数学工程与先进计算国家重点实验室开放基金资助项目(2017A10)；信息网络安全公安部重点实验室开放课题基金资助项目(C17611)；；

常见的文本分类模型多基于循环神经网络和卷积神经网络这两种结构进行模型的堆叠构建，这种层叠式结构虽然能够提取更加高维的深层次语义信息，但在不同结构连接的同时，造成一部分有效特征信息的丢失。为了解决这一问题，提出一种基于双通道词向量的分类模型，该模型使用结合注意力机制的Bi-LSTM和CNN以更加浅层的结构对文本表征进行有效的特征提取。此外，提出一种新的将文本表征成前向、后向两种形式并利用CNN进行特征提取的方法。通过在两种不同的五分类数据集上进行分类实验并与多种基准模型对比，验证了该模型的有效性，表明该模型较层叠式结构模型效果更好。

来源：2021年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第4期