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：刘月, 翟东海, 任庆宁
单位：西南交通大学 信息科学与技术学院, 成都 610097
关键词：卷积神经网络,特征表示,嵌套长短期记忆网络,注意力机制,文本分类
基金：国家自然科学基金（61540060）。
结合卷积神经网络（CNN）和嵌套长短期记忆网络（NLSTM）2种模型，基于注意力机制提出一个用于文本表示和分类的CNLSTM模型。采用CNN提取短语序列的特征表示，利用NLSTM学习文本的特征表示，引入注意力机制突出关键短语以优化特征提取的过程。在3个公开新闻数据集中进行性能测试，结果表明，该模型的分类准确率分别为96.87%、95.43%和97.58%，其性能比baseline方法有显著提高。
来源：2019年第7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。