文件名称：论文研究-基于词义消歧的卷积神经网络文本分类模型.pdf
文件大小：1.21MB
文件格式：PDF
更新时间：2022-08-11 12:06:12
文本分类,卷积神经网络,长短时记忆网络,特征提取,自然语言处理
传统文本分类使用word embedding作为文档表示，忽略词在当前上下文的含义，潜在地认为相同词在不同文本中含义相同。针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN（word sense disambiguation convolutional neural network）。使用双向长短时记忆网络（BLSTM）建模上下文，得到词义消歧后的文档特征图；利用卷积神经网络（CNN）进一步提取对文本分类最重要的特征。在四个数据集上进行对比实验，结果表明，所提出方法在两个数据集，特别是文档级数据集上优于先前最好的方法，在另外两个数据集上得到与此前最好方法相当的结果。