典型文献
结合BERT词嵌入和双向循环卷积神经网络的新闻文本分类研究
文献摘要：
针对数字信息时代网络舆情爆发的复杂性及不可控性,提出一种融合BERT、TEXTRCNN、BILSTM-CRF的新闻文本分类模型,致力于提高新闻文本分类的准确率,通过采用BERT词嵌入技术高效获得句子语义特征,利用TEXTRCNN双向递归的结构以及BILSTM-CRF模型的运用来解决序列标注问题,综合考虑上下文捕捉、词嵌入、文本特征等因素,提高对新闻识别的准确性.实验证明,使用该融合模型对新闻文本分类的准确率达到0.9551,且具有较好的泛化能力,能够更好地帮助有关部门及时处理突发舆情和失控事件.
文献关键词：
BERT;中文新闻;文本分类;TEXTRCNN;BILSTM-CRF
中图分类号：
作者姓名：
任鹏;李文杰;舒宇杰;孙航;赵旖旎
作者机构：
西南交通大学希望学院 四川 成都 610500;四川大学外语语言训练中心 四川 成都 610065
文献出处：
引用格式：
[1]任鹏;李文杰;舒宇杰;孙航;赵旖旎-.结合BERT词嵌入和双向循环卷积神经网络的新闻文本分类研究)[J].信息记录材料,2022(06):20-23
A类：
TEXTRCNN
B类：
BERT,词嵌入,双向循环,循环卷积神经网络,新闻文本分类,分类研究,数字信息时代,网络舆情,可控性,BILSTM,CRF,分类模型,嵌入技术,句子,语义特征,递归,序列标注,上下文,文本特征,融合模型,泛化能力,及时处理,失控,中文新闻
AB值：
0.313938
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。
