購物車(0)
融合多粒度信息的文本向量表示模型
聶維民; 陳永洲; 馬靜 南京航空航天大學經濟與管理學院; 南京211106
關鍵詞：文本分類 詞向量 卷積神經網絡 主題模型
摘要：【目的】更加全面地提取文本語義特征,提高文本向量對文本語義的表示能力。【方法】通過卷積神經網絡提取詞粒度、主題粒度和字粒度文本特征向量,通過“融合門”機制將三種特征向量融合得到最終的文本向量,并進行文本分類實驗。【結果】該模型在搜狗語料庫文本分類實驗上的準確率為92.56%,查準率為92.33%,查全率為92.07%,F1值為92.20%,較基準模型Text-CNN分別提高2.40%,2.05%,1.77%,1.91%。【局限】詞序關系范圍較小,語料庫規模較小。【結論】該模型可以更加全面地提取文本語義特征,得到的文本向量對文本語義表示能力更強。
數據分析與知識發現雜志要求:
{1}所有作者的作者簡介（姓名、工作單位、職稱、研究方向）；通訊作者請再提供電子郵箱。
{2}稿件文責自負。編輯部有權對來稿進行文字和技術性刪改，對實質性內容的修改，則應征求作者同意。
{3}標題序號：可按四級小標題的格式寫：一、（一）、1、（1）；一級、二級標題另起段，正文另起段；三級、四級小標題另起段，但正文接排；正文內序號用①……②……等。
{4}參考文獻：（1）正文格式：作者，發表年（多版次文獻請同時提供第 1 版的發表時間），頁碼，外加圓括號。（2）文末格式：中、外文獻分開，各按音序排列。
{5}摘要應反映論文的目的、方法及主要結果、結論，并充分反映論文的創新點，表達簡明、語義確切，以100 ～300 字為宜。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
