基于VDCNN与LSTM混合模型的中文文本分类研究

来源：计算机工程杂志2018年第11期北京时间：

作者：彭玉青,宋初柏,闫倩,赵晓松,魏铭

单位：河北工业大学 人工智能与数据科学学院,天津 300401

摘要：自然语言在结构上存在一定的前后依赖性,且将中文文本直接转化为向量时会使维度过高,从而导致现有文本分类方法精度较低。为此,建立一种超深卷积神经网络(VDCNN)与长短期记忆网络(LSTM)相结合的混合模型。通过VDCNN的深度结构来提取文本向量的特征,利用LSTM具有存储历史信息的特点提取长文本的上下文依赖关系,同时引入词嵌入将文本转换为低维度向量。在Sogou语料库和复旦大学中文语料库上进行实验,结果表明,相对CNN+rand、LSTM等模型,该混合模型可以有效提升文本分类的精确率。

关键词：文本分类,卷积神经网络, 长短期记忆网络, 词嵌入, 深度残差网络

基金资助：河北省自然科学基金重点项目(F2016202144);河北省自然科学基金面上项目(F2017202145)