10.3969/j.issn.1000-386x.2020.09.016
基于BiLSTM-Attention-CNN混合神经网络的文本分类方法
BiLSTM和CNN网络在文本分类领域取得了较好的应用效果,二者的结合可以充分发挥CNN的特征提取能力和BiLSTM的上下文依赖能力,但是没有体现出每个词语在文本中的重要程度,无法将注意力集中在重要的词上.针对该问题,提出一种基于BiLSTM-Attention-CNN混合神经网络的文本分类方法.在BiLSTM层之后加入注意力机制(Attention)提取输出信息的注意力分值;注意力层之后,连接k-max池化层,提取前k个重要的词,增强模型特征的表达能力.在DBPedia和AGNews数据集上进行实验,结果表明,该模型相较于其他现有网络模型,分类准确率提高1～2个百分点.
文本分类、BiLSTM、注意力机制、k-max、池化、CNN
37
TP391(计算技术、计算机技术)
NSFC-新疆联合基金重点项目U1703261
2020-09-17（万方平台首次上网日期，不代表论文的发表时间）
共6页
94-98,201
