集成学习在短文本分类中的应用研究

摘要：

为了进一步提高基于深度神经网络短文本分类性能,提出将集成学习方法应用于5种不同的神经网络文本分类器,即卷积神经网络、双向长短时记忆网络、卷积循环神经网络、循环卷积神经网络、分层注意力机制神经网络,分别对两种集成学习方法(Bagging,Stacking)进行了测试.实验结果表明:将多个神经网络短文本分类器进行集成的分类性能要优于单一文本分类模型;进一步两两集成的实验验证了单个模型对短文本分类性能的贡献率.

关键词：短文本分类、机器学习、深度学习、集成学习、Bagging、Stacking

所属期刊栏目：42

分类号：TN911.1-34;TP391

资助基金：国家重点研发计划项目2017YFB1402101;国家自然科学基金61663044;国家自然科学基金61761041;国家自然科学基金61603323;新疆大学博士科研启动基金BS160239

在线出版日期：2020-01-07（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：140-145