文献类型：期刊文章

作　　者：和志强[1] 杨建[1] 罗长玲[1]

HE Zhiqiang;YANG Jian;LUO Changling(Information Technology College,Hebei University of Economics & Business,Shijiazhuang050061,China)

机构地区：[1]河北经贸大学信息技术学院,石家庄050061

出　　处：《智能计算机与应用》

年　　份：2019

卷　　号：9

期　　号：2

起止页码：21-27

语　　种：中文

收录情况：普通刊

摘　　要：由于短文本自身具有词汇个数少且格式不规范的特点,造成神经网络输入矩阵存在特征稀疏、维度过高以及语义特征提取不充分等问题。为解决上述问题,提出一种基于双向长短时记忆神经网络的短文本分类算法(WTL-BiLSTM),该算法融合Word2vec、TF-IDF和LDA主题模型实现文本向量化,在获取短文本词义特征的同时,加入词汇重要程度特征和文本主题特征。并利用BiLSTM从前、后两个方向全面捕捉短文本语义特征,有效避免了RNN模型梯度爆炸和梯度消失问题。经实验验证,该算法能够有效解决短文本分类过程中出现的问题,相比于传统的短文本分类算法,分类准确率得到一定程度的提升。

关 键 词：BiLSTM  Word2vec  模型  短文本分类  

分 类 号：TP391]