典型文献
融合FastText模型和注意力机制的网络新闻文本分类模型
文献摘要：
[目的/意义]构建融合FastText模型和注意力机制的网络新闻文本分类模型,为网络新闻平台运营提供了智能化的知识组织思路.[方法/过程]基于Word2vec模型与FastText模型相结合的词向量模型Ngram2vec进行网络新闻文本的语义表达,并运用融合注意力机制的BiLSTM_Atte模型实现新闻文本分类.[结果/结论]实验结果显示,融合了 FastText模型与注意力机制的网络新闻文本分类模型使F1值从90.62％提升到92.03％,说明本文提出的文本分类模型能够提升网络新闻文本分类的精确率,对网络新闻平台提升知识组织效率、优化服务水平具有重要参考价值.
文献关键词：
网络新闻;文本分类;注意力机制;双向长短期记忆神经网络模型
中图分类号：
作者姓名：
王婉;张向先;卢恒;张莉曼
作者机构：
吉林大学商学与管理学院,吉林长春130012;吉林建筑大学经济与管理学院,吉林长春130018;南京理工大学网络空间安全学院,江苏无锡214400
文献出处：
引用格式：
[1]王婉;张向先;卢恒;张莉曼-.融合FastText模型和注意力机制的网络新闻文本分类模型)[J].现代情报,2022(03):40-47
A类：
Ngram2vec,Atte
B类：
FastText,注意力机制,网络新闻,新闻文本分类,分类模型,新闻平台,平台运营,知识组织,Word2vec,词向量,语义表达,BiLSTM,模型实现,精确率,组织效率,优化服务,双向长短期记忆神经网络模型
AB值：
0.20624
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。
