声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：康雁, 李晋源, 杨其越, 崔国荣, 王沛尧
单位：云南大学 软件学院, 昆明 650500
关键词：双通道词向量,卷积胶囊网络,动态路由机制,文本分类,特征表达
基金：国家自然科学基金（61762092）；云南省软件工程重点实验室开放基金（2017SE204）。
基于向量空间模型的文本分类方法的文本表示具有高纬度、高稀疏的特点，特征表达能力较弱，且特征工程依赖人工提取，成本较高。针对该问题，提出基于双通道词向量的卷积胶囊网络文本分类算法。将Word2Vec训练的词向量与基于特定文本分类任务扩展的语境词向量作为神经网络的2个输入通道，并采用具有动态路由机制的卷积胶囊网络模型进行文本分类。在多个英文数据集上的实验结果表明，双通道的词向量训练方式优于单通道策略，与LSTM、RAE、MV-RNN等算法相比，该算法具有较高的文本分类准确率。
来源：2019年第11期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。