|
|||||
|
|
| 基于LSTM-Attention的中文新闻文本分类 | |
| 引用本文： | 蓝雯飞,徐 蔚,汪敦志,潘鹏程.基于LSTM-Attention的中文新闻文本分类[J].中南民族大学学报(自然科学版),2018(3):129-133. |
| 作者姓名： | 蓝雯飞 徐 蔚 汪敦志 潘鹏程 |
| 作者单位： | 中南民族大学计算机科学学院 |
| 基金项目： | 国家自然科学基金资助项目(61379059) |
| 摘 要： | 经典的LSTM分类模型,一种是利用LSTM最后时刻的输出作为高一级的表示,而另一种是将所有时刻的LSTM输出求平均作为高一级的表示.这两种表示都存在一定的缺陷,第一种缺失了前面的输出信息,另一种没有体现每个时刻输出信息的不同重要程度.为了解决此问题,引入Attention机制,对LSTM模型进行改进,设计了LSTM-Attention模型.实验结果表明:LSTM分类模型比传统的机器学习方法分类效果更好,而引入Attention机制后的LSTM模型相比于经典的文本分类模型,分类效果也有了一定程度的提升. |
| 关 键 词： | 自然语言处理 深度学习 文本分类 长短时记忆神经网络 注意力机制 |
Text Classification of Chinese News Based on LSTM-Attention |
|
| Abstract: | |
| Keywords: | natural language processing deep learning text classification Long Short-Term Memory Neural Network attention mechanism |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《中南民族大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《中南民族大学学报(自然科学版)》下载免费的PDF全文 | |