首页|基于Att-CN-BiLSTM模型的中文新闻文本分类

基于Att-CN-BiLSTM模型的中文新闻文本分类

Chinese News Text Classification Based on Att-CN-BiLSTM Model

扫码查看
原文链接
  • 万方数据
  • 维普
将卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96％,精确率、召回率和F 1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.

阮进军、杨萍

展开 >

安徽商贸职业技术学院 安徽 芜湖241002

大连财经学院

文本分类 注意力机制 卷积神经网络 双向长短期记忆神经网络

安徽省教育厅高等学校自然科学研究重点项目安徽省教育厅质量工程物联网应用技术高水平专业群项目安徽商贸职业技术学院自然科学研究重点项目

KJ2020A10802020zyq292020ZDX01

2022

10.13877/j.cnki.cn22-1284.2022.12.012

通化师范学院学报
通化师范学院

通化师范学院学报

影响因子：0.266
ISSN：1008-7974
年,卷(期)：2022.43(12)
  • 4
  • 3