典型文献
自注意力机制的短文本分类方法
文献摘要：
针对短文本信息量少导致隐藏的信息难以充分挖掘和深度学习模型易受干扰导致分类准确度下降的问题,提出一种融合对抗训练自注意力多层双向长短期记忆网络(Con-Att-BiLSTMs)短文本分类模型.将文本训练集按不同比例进行分类对抗训练,通过对抗训练提升模型的健壮性;利用多层双向长短期记忆网络对语义进行提取,利用自注意力机制层对语义信息进行加权强化;经过softmax函数使损失率极小化.将该方法与其它模型方法比较,实验结果表明,该方法有效提高了短文本分类的准确度.
文献关键词：
深度学习;自注意力机制;短文本分类;对抗训练;多层双向长短期记忆网络
中图分类号：
作者姓名：
陈立潮;秦杰;陆望东;潘理虎;张睿
作者机构：
太原科技大学计算机科学与技术学院,山西太原030024;太原政通云科技有限公司,山西太原030000
文献出处：
引用格式：
[1]陈立潮;秦杰;陆望东;潘理虎;张睿-.自注意力机制的短文本分类方法)[J].计算机工程与设计,2022(03):728-734
A类：
多层双向长短期记忆网络,BiLSTMs
B类：
自注意力机制,短文本分类,文本分类方法,文本信息,信息量,深度学习模型,对抗训练,Con,Att,分类模型,文本训练,训练集,健壮性,语义信息,softmax,损失率,极小化,模型方法,方法比较
AB值：
0.187857
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
