典型文献
融合LSTM和注意力机制的新闻文本分类模型
文献摘要：
互联网中的文本数据呈现爆炸性增长,其中蕴含着巨大的商业和科研价值,由此文本分类技术得到广泛关注.文本表示和文本特征提取是自然语言的基础工作,直接影响文本分类的性能.针对卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆(LSTM)获取文本特征存在丢失、梯度爆炸、长期依赖等问题.提出了融合LSTM和注意力(attention)机制的新闻文本分类模型,在LSTM网络基础上引入注意力机制.加强每一层特征之间的传递,更好捕捉上下文之间的关系,为不同语句生成不同的权重.采用2个数据集验证,都取得良好的分类效果.
文献关键词：
文本分类;深度学习;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
孙刘成;黄润才
作者机构：
上海工程技术大学电子电气工程学院,上海201620
文献出处：
引用格式：
[1]孙刘成;黄润才-.融合LSTM和注意力机制的新闻文本分类模型)[J].传感器与微系统,2022(09):38-41
A类：
B类：
注意力机制,新闻文本分类,分类模型,文本数据,爆炸性,科研价值,此文,文本分类技术,文本表示,文本特征提取,自然语言,基础工作,循环神经网络,RNN,attention,网络基础,上下文,语句,数据集验证,分类效果,长短期记忆网络
AB值：
0.309388
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。
