基于谱聚类胶囊网络的文本分类方法

摘要：

传统胶囊网络(CapsNet)在计算时使用的动态路由算法需要多次迭代,针对这一问题,文章提出一种基于谱聚类的胶囊网络模型(Spectral Clustering Capsule Network,SC-Caps)并将其应用于文本分类任务.这种模型首先使用卷积层对文本进行特征提取,在初级胶囊层将提取的标量特征转化为向量特征,再利用谱聚类算法将高维的向量特征转化为较低维的子向量特征,并在卷积胶囊层学习局部与全局之间的关系映射.在搜狗语料库SougoCA进行实验,结果与LSTM、C-LSTM以及采用其他路由方法的胶囊网络进行比较,证明该算法有效提高了文本分类的分类效果.

关键词：谱聚类、胶囊网络、文本分类、动态路由

所属期刊栏目：12

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2022-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：16-19