文件名称：结合TFIDF的Self-Attention-Based Bi-LSTM的垃圾短信识别
文件大小：1.28MB
文件格式：PDF
更新时间：2024-05-26 05:52:40
垃圾短信 文本分类 self-attention Bi-LSTM TFIDF
随着手机短信成为人们日常生活交往的重要手段，垃圾短信的识别具有重要的现实意义.针对此提出一种结合TFIDF的self-attention-based Bi-LSTM的神经网络模型.该模型首先将短信文本以词向量的方式输入到Bi-LSTM层，经过特征提取并结合TFIDF和self-attention层的信息聚焦获得最后的特征向量，最后将特征向量通过Softmax分类器进行分类得到短信文本分类结果.实验结果表明，结合TFIDF的self-attention-based Bi-LSTM模型相比于传统分类模型的短信文本识别准确率提高了2.1%–4.6%，运行时间减少了0.6 s–10.2 s.