局部语义与上下文关系的中文短文本分类算法

摘要：

短文本通常是由几个到几十个词组成,长度短、特征稀疏,导致短文本分类的准确率难以提升.为了解决此问题,提出了一种基于局部语义特征与上下文关系融合的中文短文本分类算法,称为Bi-LSTM_CNN_AT,该算法利用CNN提取文本的局部语义特征,利用Bi-LSTM提取文本的上下文语义特征,并结合注意力机制,使得Bi-LSTM_CNN_AT模型能从众多的特征中提取出和当前任务最相关的特征,更好地进行文本分类.实验结果表明,Bi-LSTM_CNN_AT模型在NLP&CC2017的新闻标题分类数据集18个类别中的分类准确率为81.31％,比单通道的CNN模型提高2.02％,比单通道的Bi-LSTM模型提高1.77％.

关键词：短文本分类、卷积神经网络、双向长短时记忆网络、注意力机制

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：94-100