基于BERT-CNN的网络新闻文本分类  

作　　者：梁译方 季铎[1] 

机构地区：[1]中国刑事警察学院,辽宁沈阳110854

出　　处：《信息记录材料》2024年第8期156-158,161,共4页Information Recording Materials

摘　　要：随着互联网的发展以及21世纪大数据时代的到来,我国网络用户数量已超过10亿,伴随着网络用户增长而来的是增速更快、增幅更大的网络信息数据。在纷杂的网络信息中,网络新闻成为网络用户获取外部信息和学习知识的重要来源,能够帮助人们更好地了解世界,从而受到了许多网民的青睐。而现如今新闻文体从固定形式走向交融多样,且呈现出一种杂糅式特征,使用户越来越难以快速获取到想要了解的新闻信息。本文提出了一种基于Transformer的双向编码(bidirectional encoder representations from transformers,BERT)和卷积神经网络(convolutional neural networks,CNN)的网络新闻文本分类方法。通过结合BERT的语义理解能力和CNN的特征提取能力,提高网络新闻文本分类的准确性和效率。通过与其他模型进行对比,证明了BERT-CNN模型在网络新闻分类任务中具有更高的准确率,验证了模型的可行性。

关 键 词：网络新闻分类 BERT CNN 分类模型 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]