期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合LSTM-Attention和CNN模型的文本分类方法
被引量：
3
1
作者
储天启
陈秀明
+1 位作者
王先传
徐伟
《安庆师范大学学报（自然科学版）》
2023年第3期89-94,共6页
针对文本分类中长短时记忆网络在提取局部信息时存在的局限性问题,本文提出了融合LSTM-Attention和CNN的文本分类模型。在结构上,首先使用LSTM提取全局序列信息,并通过注意力机制对LSTM输出添加权重,再通过三层卷积神经网络提取原文的...
针对文本分类中长短时记忆网络在提取局部信息时存在的局限性问题,本文提出了融合LSTM-Attention和CNN的文本分类模型。在结构上,首先使用LSTM提取全局序列信息,并通过注意力机制对LSTM输出添加权重,再通过三层卷积神经网络提取原文的局部信息。此外,在卷积神经网络中采取的是串行结构并且有选择性地将原始输入信息与CNN输出相融合。然后,将两者的输出信息进行组合以得到全新特征并用Softmax得到每个类别的概率,最终在THUCNews数据集上准确率达到96.8%。通过实验对比发现,本文提出的模型在文本分类任务中可以得到更好的分类效果。
展开更多
关键词
长短时记忆网络
卷积神经网络
注意力机制
文本分类
在线阅读
下载PDF
职称材料
题名
融合LSTM-Attention和CNN模型的文本分类方法
被引量：
3
1
作者
储天启
陈秀明
王先传
徐伟
机构
阜阳师范大学计算机与信息工程学院
出处
《安庆师范大学学报（自然科学版）》
2023年第3期89-94,共6页
基金
安徽省哲学社会科学规划青年项目(AHSKQ2021D47)
中国高校产学研创新基金(2019ITA01037)
安徽省高校自然科学研究重点项目(KJ2019A0541)。
文摘
针对文本分类中长短时记忆网络在提取局部信息时存在的局限性问题,本文提出了融合LSTM-Attention和CNN的文本分类模型。在结构上,首先使用LSTM提取全局序列信息,并通过注意力机制对LSTM输出添加权重,再通过三层卷积神经网络提取原文的局部信息。此外,在卷积神经网络中采取的是串行结构并且有选择性地将原始输入信息与CNN输出相融合。然后,将两者的输出信息进行组合以得到全新特征并用Softmax得到每个类别的概率,最终在THUCNews数据集上准确率达到96.8%。通过实验对比发现,本文提出的模型在文本分类任务中可以得到更好的分类效果。
关键词
长短时记忆网络
卷积神经网络
注意力机制
文本分类
Keywords
long short-term memory network
convolutional neural network
attention mechanism
text classification
分类号
TP-391.1 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合LSTM-Attention和CNN模型的文本分类方法
储天启
陈秀明
王先传
徐伟
《安庆师范大学学报（自然科学版）》
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
