基于 CNN+LSTMAttention 的营销新闻文本分类

来源：计算机技术与发展杂志2020年第11期北京时间：

作者：刘高军;王小宾

摘要：针对营销新闻分类识别任务,传统方法采用的长短期记忆神经网络 LSTM 和卷积神经网络 CNN 存在分类识别率不高的问题,因此提出一种融合 CNN 和引入注意力机制的长短时记忆(LSTM Attention)来提高营销新闻识别分类能力。 首先通过 word2vec 获取营销新闻文本词向量形成的矩阵,分别输入到传统机器学习分类模型中,在此基础上使用模型融合技术融合单一模型中分类效果较好的模型,最后得到融合模型和单一模型的分类结果并进行对比。 实验结果显示,在基础模型 LSTM 引入了注意力机制之后准确率,召回率和 F1 值分别达到 67.01%,66.07%,0.680,而 CNN 和 LSTMAttention进行模型融合之后的准确率,召回率和 F1 值进一步达到了 68.29% ,71.27% ,0.692。 表明基于 CNN 和 LSTMAttention 融合之后的神经网络模型相较于单一模型,最终分类效果更好,可以达到提高营销新闻文本分类识别效果的目的。

关键词：营销新闻;文本分类;卷积神经网络;注意力机制;长短期记忆神经网络