Institute of Computing Technology, Chinese Academy IR
| 用于文本分类的局部化双向长短时记忆 | |
| 万圣贤; 兰艳艳; 郭嘉丰; 徐君; 庞亮; 程学旗 | |
| 2017 | |
| 发表期刊 | 中文信息学报
 |
| ISSN | 1003-0077 |
| 卷号 | 31.0期号:003页码:62 |
| 摘要 | 近年来,深度学习越来越广泛地应用于自然语言处理领域,人们提出了诸如循环神经网络（RNN）等模型来构建文本表达并解决文本分类等任务。长短时记忆（long short term memory,LSTM）是一种具有特别神经元结构的RNN。LSTM的输入是句子的单词序列,模型对单词序列进行扫描并最终得到整个句子的表达。然而,常用的做法是只把LSTM在扫描完整个句子时得到的表达输入到分类器中,而忽略了扫描过程中生成的中间表达。这种做法不能高效地提取一些局部的文本特征,而这些特征往往对决定文档的类别非常重要。为了解决这个问题,该文提出局部化双向LSTM模型,包括MaxBiLSTM和ConvBiLSTM。MaxBiLSTM直接对双向LSTM的中间表达进行max pooling。ConvBiLSTM对双向LSTM的中间表达先卷积再进行max pooling。在两个公开的文本分类数据集上进行了实验。结果表明,局部化双向LSTM尤其是ConvBiLSTM相对于LSTM有明显的效果提升,并取得了目前的最优结果。 |
| 关键词 | 文本分类 深度学习 长短时记忆 卷积 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/36336 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 第一作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 万圣贤,兰艳艳,郭嘉丰,等. 用于文本分类的局部化双向长短时记忆[J]. 中文信息学报,2017,31.0(003):62. |
| APA | 万圣贤,兰艳艳,郭嘉丰,徐君,庞亮,&程学旗.(2017).用于文本分类的局部化双向长短时记忆.中文信息学报,31.0(003),62. |
| MLA | 万圣贤,et al."用于文本分类的局部化双向长短时记忆".中文信息学报 31.0.003(2017):62. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [万圣贤]的文章 |
| [兰艳艳]的文章 |
| [郭嘉丰]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [万圣贤]的文章 |
| [兰艳艳]的文章 |
| [郭嘉丰]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [万圣贤]的文章 |
| [兰艳艳]的文章 |
| [郭嘉丰]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论