典型文献
基于Att-CN-BiLSTM模型的中文新闻文本分类
文献摘要：
将卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96％,精确率、召回率和F 1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.
文献关键词：
文本分类;注意力机制;卷积神经网络;双向长短期记忆神经网络
中图分类号：
作者姓名：
阮进军;杨萍
作者机构：
安徽商贸职业技术学院 安徽 芜湖241002;大连财经学院
文献出处：
引用格式：
[1]阮进军;杨萍-.基于Att-CN-BiLSTM模型的中文新闻文本分类)[J].通化师范学院学报,2022(12):65-70
A类：
THUCnews
B类：
Att,BiLSTM,中文新闻,新闻文本分类,双向长短期记忆神经网络,注意力机制,分类模型,有效融合,文本语义特征,新浪,新闻数据,改进模型,模型分类,分类准确率,精确率,召回率,对比模型,分类效果
AB值：
0.21532
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。
