融合多粒度信息的文本向量表示模型

摘要：

[目的]更加全面地提取文本语义特征,提高文本向量对文本语义的表示能力.[方法]通过卷积神经网络提取词粒度、主题粒度和字粒度文本特征向量,通过“融合门”机制将三种特征向量融合得到最终的文本向量,并进行文本分类实验.[结果]该模型在搜狗语料库文本分类实验上的准确率为92.56％,查准率为92.33％,查全率为92.07％,F1值为92.20％,较基准模型Text-CNN分别提高2.40％,2.05％,1.77％,1.91％.[局限]词序关系范围较小,语料库规模较小.[结论]该模型可以更加全面地提取文本语义特征,得到的文本向量对文本语义表示能力更强.

关键词：文本分类、词向量、卷积神经网络、主题模型

所属期刊栏目：3

分类号：TP393;G35(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项前瞻性发展策略研究资助项目“基于大数据技术的跨境电商政府管理范式研究”NW2018004;国家自然科学基金面上项目“基于演化本体的网络舆情自适应话题跟踪方法研究”项目71373123的研究成果之一

在线出版日期：2019-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：45-52