10.16208/j.issn1000-7024.2020.05.018
基于序列卷积网络的Twitter情感分类
为解决传统用于文本分类等时序性问题的循环神经网络无法留住长远记忆及模型框架复杂的问题,提出一种基于序列卷积神经网络的分类模型.利用卷积的思想处理时序性问题,将因果卷积和扩张卷积结合作为卷积层来保证网络具有足够大的感受野,应用残差模块和批处理加深神经网络并消除层数增加误差增大和模型难训练的问题,用卷积层代替全连接层以改善网络特征选取的局限性.实验结果表明,序列卷积分类模型用于Twitter情感分类任务中可获得更优的分类效果,验证了卷积网络的思想可以处理时序性问题.
序列卷积网络、卷积神经网络、文本分类、残差模块、批标准化
41
TP391.1(计算技术、计算机技术)
辽宁省教育厅科学技术研究基金项目;辽宁省教育厅科学研究基金项目;辽宁省博士启动基金项目
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
1314-1319