基于改进长短时记忆网络的文本分类方法
Text classification method based on improved long-short term memory network作者机构：东北石油大学计算机与信息技术学院黑龙江大庆163318
出 版 物：《重庆大学学报》 (Journal of Chongqing University)
年 卷 期：2023年第46卷第5期
页 面：111-118页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：自然语言处理 文本分类 循环神经网络 长短时记忆神经网络
摘 要：针对传统长短时记忆网络(long short-term memory,LSTM)在文本分类中无法自动选取最重要潜在语义因素的问题,提出一种改进的LSTM模型。首先,将传统LSTM的运算关系拓展为双向模式,使网络充分记忆输入特征词的前后关联关系;然后在输出层前面增加池化层,以便更好选择找到最重要的潜在语义因素。互联网电影资料库评论数据实验结果表明,该模型优于传统长短时记忆神经网络以及其他同类模型,揭示了改进方案对提高文本分类准确率是有效的。
维普期刊数据库
同方期刊数据库