基于集成神经网络的短文本分类模型

摘要：

针对短文本具有稀疏性强和文本长度较小等特性,为更好地处理短文本分类问题,提出一个基于集成神经网络的短文本分类模型.首先,使用扩展词向量作为模型的输入,从而使数值词向量可有效描述短文本中形态、句法及语义特征;其次,利用递归神经网络(RN N)对短文本语义进行建模,捕获短文本内部结构的依赖关系;最后,在训练模型过程中,利用正则化项选取经验风险和模型复杂度同时最小的模型.通过对语料库进行短文本分类实验,验证了所提出模型有较好的分类效果,且该分类模型可处理变长的短文本输入,具有良好的鲁棒性.

关键词：短文本、集成神经网络、扩展词向量、分类

所属期刊栏目：56

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60903098,60973040;国家自然科学基金青年科学基金61300148;吉林大学研究生创新项目2016184

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：933-938