| 联合分层注意力网络和独立循环神经网络的地域欺凌识别 |
| |
| 引用本文： | 孟曌,田生伟,禹龙,王瑞锦.联合分层注意力网络和独立循环神经网络的地域欺凌识别[J].计算机应用,2019,39(8):2450-2455. |
| |
| 作者姓名： | 孟曌 田生伟 禹龙 王瑞锦 |
| |
| 作者单位： | 新疆大学软件学院,乌鲁木齐,830008;新疆大学网络中心,乌鲁木齐,830046;电子科技大学信息与软件工程学院,成都,611731 |
| |
| 基金项目： | 国家自然科学基金资助项目（61662074，61563051，61262064）；国家自然科学基金重点项目（61331011）；新疆维吾尔自治区科技人才培养项目（QN2016YX0051）；天山青年计划项目（2017Q011）。 |
| |
| 摘 要： | 为提高对文本语境深层次信息的利用效率,提出了联合分层注意力网络(HAN)和独立循环神经网络(IndRNN)的地域欺凌文本识别模型——HACBI。首先,将手工标注的地域欺凌文本通过词嵌入技术映射到低维向量空间中;其次,借助卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)提取地域欺凌文本的局部及全局语义特征,并进一步利用HAN捕获文本的内部结构信息;最后,为避免文本层次结构信息丢失和解决梯度消失等问题,引入IndRNN以增强模型的描述能力,并实现信息流的整合。实验结果表明,该模型的准确率(Acc)、精确率(P)、召回率(R)、F1和AUC值分别为99.57%、98.54%、99.02%、98.78%和99.35%,相比支持向量机(SVM)、CNN等文本分类模型有显著提升。
|
| 关 键 词： | 地域欺凌 结构信息 分层注意力网络 独立循环神经网络 词向量 语境 |
| 收稿时间： | 2019-01-07 |
| 修稿时间： | 2019-03-05 |
Regional bullying recognition based on joint hierarchical attentional network and independent recurrent neural network |
| |
| MENG Zhao,TIAN Shengwei,YU Long,WANG Ruijin.Regional bullying recognition based on joint hierarchical attentional network and independent recurrent neural network[J].journal of Computer Applications,2019,39(8):2450-2455. |
| |
| Authors: | MENG Zhao TIAN Shengwei YU Long WANG Ruijin |
| |
| Affiliation: | 1. School of Software, Xinjiang University, Urumqi Xinjiang 830008, China;;2. Network Center, Xinjiang University, Urumqi Xinjiang 830046, China;;3. School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu Sichuan 611731, China |
| |
| Abstract: | |
| |
| Keywords: | regional bullying structural information Hierarchical Attention Network (HAN) Independent Recurrent Neural Network (IndRNN) word vector context |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
|
