| 基于语义强化和特征融合的文本分类 |
| |
| 引用本文： | 王子牛,王宏杰,高建瓴. 基于语义强化和特征融合的文本分类[J]. 软件, 2020, 0(1): 211-215 |
| |
| 作者姓名： | 王子牛 王宏杰 高建瓴 |
| |
| 作者单位： | 1.贵州大学大数据与信息工程学院 |
| |
| 摘 要： | ![]()
文本分类是信息检索、机器问答的基础性任务,是自然语言理解的一项重要语义任务。本文提出了一种基于语义强化和特征融合的(LAC)分类模型。该模型首先将Word2vec嵌入的词向量输入LSTM进行句子语义的提取,然后将提取的语义特征输入Attention层进行特征的强化,同时用卷积层提取文本的局部特征,其次把强化的语义特征和利用卷积层提取的局部特征进行融合,最后经池化层对特征进行降维,并将经池化后的特征向量输入到全连接层,引入Dropout防止过拟合,得到最终的分类结果。由于CNN提取特征时存在忽略上下文信息的弊端,所以提出用LATM提取上下文信息,然后进行特征的融合的方法;另外,由于LSTM在捕获句子信息时会因为距离过长而出现的信息遗漏现象,所以提出将Attention作用于LSTM。通过实验表明,本文提出的模型比单独的CNN模型、以及先用LSTM提取语义信息,在进行局部特征提取的LSTM-CNN模型的效果更好。
|
| 关 键 词： | 特征融合 神经网络 LSTM Attention 自然语言处理 |
Text Classification Based on Semantic Enhancement and Feature Fusion |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
|
|
