重庆理工大学学报(自然科学)

• •    

一种基于双通道卷积神经网络的短文本分类方法

张小川,桑瑞婷,周泽红,等   

  • 出版日期:2019-01-25 发布日期:2019-01-30

  • Online:2019-01-25 Published:2019-01-30

摘要: 传统卷积神经网络文本分类的效果依赖输入文本表示的准确度,如果文本表示不 准确,则输入的噪音将直接导致分类准确性的大幅下降。针对此问题,本文提出一种基于结合 词性概率(coefficientpartofspeech,CPOS)特征和应用场景(applicationscene,AS)改进的双通道 文本卷积神经网络模型WordCPOS&ASDCNN(WCADCNN),通过引入词性的贡献度和设定场 景权重2个因子,改善传统方法中短文本表示特征稀疏及不精确的问题。实验结果表明:WCA DCNN算法在准确率、召回率和F1值等指标上都有明显提升。