10.3969/j.issn.2095-2163.2021.12.008
LDA最大概率填充与BiLSTM模型的文本分类研究
文本分类是自然语言处理(NLP)领域中的基础任务,双向长短时记忆网络(BiLSTM)具有遗忘细胞状态中的信息和记忆新的信息、在上下文中依赖能力较好的优势.为进一步增强文本的特征表达,本文提出一种基于LDA的最大概率填充模型.首先,运用Word2Vec词嵌入方式生成文本向量;其次,根据LDA模型对文本向量矩阵进行填充,丰富语义信息,采用BiLSTM_Attention模型训练填充后的向量矩阵;最后,采用softmax进行分类.实验结果表明,本文提出的方法在IMDB电影评论分析数据集中的分类准确率为98.43％,相较于单向的RNN模型提高1.63％,比双向的BiLSTM_Attention模型提高0.83％.
文本分类、LDA 模型、BiLSTM_Attention、Word2Vec
11
TP391(计算技术、计算机技术)
国家自然科学基金61865002
2022-04-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
32-36
