字符级卷积神经网络短文本分类算法

来源：计算机工程与应用杂志2019年第5期北京时间：

作者：刘敬学1，孟凡荣1，周 勇1，刘 兵1，2

单位：1.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116；2.中国科学院 电子研究所，北京 100080

摘要：由于短文本具有长度短、特征稀疏以及上下文依赖性强等特点，传统方法对其直接进行分类精度有限。针对该问题，提出了一种基于字符级嵌入的卷积神经网络（CNN）和长短时记忆网络（LSTM）相结合的神经网络模型进行短文本的分类。该模型同时包括了高速公路网络（Highway networks）框架，用于缓解深度神经网络训练时的困难，提高分类的准确性。通过对几种数据集的测试，结果表明提出的模型在短文本分类任务中优于传统模型和其他基于CNN的分类模型。

关键词：字符级,神经网络,文本分类,高速公路网络