基于Att-CN-BiLSTM模型的中文新闻文本分类  

Chinese News Text Classification Based on Att-CN-BiLSTM Model

作　　者：阮进军[1] 杨萍[2] RUAN Jin-jun;YANG Ping(School of Information and Artificial Intelligence,Anhui Business College,Wuhu 241002,China;Dalian University of Finance and Economics,Dalian 116622,China)

机构地区：[1]安徽商贸职业技术学院,安徽芜湖241002 [2]大连财经学院.

出　　处：《通化师范学院学报》2022年第12期65-70,共6页Journal of Tonghua Normal University

基　　金：安徽省教育厅高校自然科学研究重点项目信息化系统推荐算法组件(KJ2020A1080);安徽省教育厅质量工程物联网应用技术高水平专业群项目(2020zyq29);安徽商贸职业技术学院自然科学重点研究项目基于大数据技术的社会扩招学生在线学习行为分析(2020ZDX01)。

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F1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.Combining convolutional neural network(CNN)and bidirectional long-term and short-term memory neural network(BiLSTM),an Att-CN-BiLSTM Chinese News Text Classification Model Based on attention mechanism is proposed.The model effectively integrates the semantic features of news text ex⁃tracted by CNN layer and BiLSTM layer through attention mechanism.Compared with CNN,BiLSTM and their improved models on THUCnews Sina News data set,the classification accuracy of the model reaches 98.96%,and the precision,recall and F1 value indexes are also better than the comparison model.The ex⁃perimental results show that Att-CN-BiLSTM model can effectively improve the classification effect of Chinese news texts.

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 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]