基于句子级学习改进CNN的短文本分类方法

摘要：

为提高对网络短文本分类的性能, 提出一种融合卷积神经网络 (CNN) 和句子级监督学习的分类方法.构建一种用于短文本分类的经典CNN模型;将主题句融入到CNN中, 即对输入文本进行句子级CNN监督学习, 构建句子模型并识别主题句;将主题句子模型赋予较高权重, 通过加权和构建文本模型.通过文本级CNN监督学习, 实现文本分类.在两个评论数据集上的实验结果表明, 提出方法具有较高的分类准确性.

关键词：短文本分类、卷积神经网络、主题句、句子级监督学习、文本级监督学习

所属期刊栏目：40

分类号：TP311(计算技术、计算机技术)

资助基金：河南省科技厅科技计划基金项目172102210117;河南省驻马店市科技计划基金项目17135

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：256-260,284