典型文献
基于LSTM-CNN-Attention的新闻分类研究
文献摘要：
针对传统的卷积神经网络(Convolutional Neural Networks,CNN)以及长短期记忆网络(Long Short-Term Memo-ry,LSTM)无法很好的提取文本特征问题,提出了一种基于LSTM-CNN-Attention的网络模型.首先在结构上通过Word2vector模型来获得文本的词向量表示;其次利用LSTM网络提取全文的上下文信息,然后将LSTM的输出和原始输出组合一起得到全新的特征,最后由多通道CNN-Attention结构提取局部特征.实验结果表明,该模型分类效果更好,在网易新闻数据集上准确率达到90.3％.
文献关键词：
文本分类;LSTM-CNN-Attention;注意力机制
中图分类号：
作者姓名：
陈秀明;储天启;王先传
作者机构：
阜阳师范大学计算机与信息工程学院,安徽阜阳236037
文献出处：
引用格式：
[1]陈秀明;储天启;王先传-.基于LSTM-CNN-Attention的新闻分类研究)[J].阜阳师范大学学报（自然科学版）,2022(04):62-69
A类：
Word2vector
B类：
Attention,分类研究,Convolutional,Neural,Networks,长短期记忆网络,Long,Short,Term,Memo,ry,文本特征,特征问题,在结构上,词向量,向量表示,上下文信息,多通道,结构提取,局部特征,模型分类,分类效果,网易,新闻数据,文本分类,注意力机制
AB值：
0.474701
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。
