基于事件卷积特征的新闻文本分类

发布时间：2018-05-27 06:09

  本文选题：文本分类 + 事件　； 参考：《计算机应用研究》2017年04期

【摘要】：以往的卷积神经网络模型在对文本建模和分类时,通常按顺序提取n-gram卷积特征,忽视了长距离依存关系中的句法结构和语义信息。提出了一种基于事件卷积特征的文本分类方法,利用事件的语义特性弥补之前模型的不足。该方法使用依存关系抽取出文本中的事件集合,通过卷积神经网络进行事件特征提取,并在此基础上进行文本分类。在对中文新闻语料的多分类实验中,该方法较传统的文本分类方法有明显的提高,较使用n-gram的卷积神经网络模型更为稳定。实验结果说明了模型的有效性以及事件特征的优越性。
[Abstract]:The traditional convolution neural network model generally extracts the n - gram convolution feature in order , ignores the syntactic structure and semantic information in long - distance dependency relationship , and proposes a text classification method based on event convolution feature .
【作者单位】： 武汉大学计算机学院;
【基金】：国家自然科学基金重点资助项目(61133012)
【分类号】：TP391.1

【相似文献】

相关期刊论文 前10条

1 陈林;杨丹;;独立于语种的文本分类方法[J];计算机工程与科学;2008年06期

2 张燕平;徐庆鹏;苏守宝;邢猛;;一种基于贪婪覆盖的文本分类方法[J];计算机技术与发展;2009年01期

3 焦庆争;蔚承建;;一种基于特征投票的文本分类方法[J];计算机工程;2010年09期

4 孟海东;张炼;吕海林;;基于图模型的文本分类方法的研究[J];计算机与现代化;2010年09期

5 仲兆满;李存华;;基于重要事件的文本分类方法研究[J];微电子学与计算机;2012年03期

6 赫芳;王洋;;网络的简监督文本分类方法[J];计算机与网络;2012年17期

7 朱志宁;万小容;黄青松;;一种改进的基于信噪比的文本分类方法[J];宁波广播电视大学学报;2005年04期

8 朱斐;刁红军;吕强;;一种富文本分类方法的设计和实现[J];计算机应用与软件;2007年12期

9 台德艺;谢飞;胡学钢;;新的基于簇划分文本分类方法[J];计算机工程与设计;2009年06期

10 杨林波;王士同;;基于类别分布特征的快速文本分类方法[J];计算机工程与设计;2009年05期

相关会议论文 前9条

1 陈克利;宗成庆;王霞;;基于大规模真实文本的平衡语料分析与文本分类方法[A];语言计算与基于内容的文本处理——全国第七届计算语言学联合学术会议论文集[C];2003年

2 姚天f ;彭思崴;;汉语主客观文本分类方法的研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 李月伦;李湘;常宝宝;袁毓林;;一种基于认知情景框架的文本分类方法[A];第五届全国青年计算语言学研讨会论文集[C];2010年

4 张永;陈思睿;杨志勇;;一种改进的文本分类方法的研究[A];第二届全国信息检索与内容安全学术会议（NCIRCS-2005）论文集[C];2005年

5 陈毅恒;秦兵;刘挺;林建国;李生;;基于错误预测的文本分类方法[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年

6 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

7 卢娇丽;郑家恒;;基于粗糙集的文本分类方法研究[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

8 牛强;王志晓;陈岱;夏士雄;;基于支持向量机的Web文本分类方法[A];2006年全国开放式分布与并行计算学术会议论文集（一）[C];2006年

9 张政;周水庚;周傲英;;一种新的基于kNN和Rocchio的文本分类方法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

相关硕士学位论文 前10条

1 江大鹏;基于词向量的短文本分类方法研究[D];浙江大学;2015年

2 陈远超;基于MapReduce的大数据文本分类方法研究[D];浙江师范大学;2015年

3 年素磊;自由文本分类技术研究[D];南京大学;2014年

4 谭建平;基于半监督的SVM迁移学习文本分类方法[D];广东工业大学;2016年

5 黄旭;基于机器学习的汉语短文本分类方法研究与实现[D];黑龙江大学;2016年

6 王丹丹;基于特征选择的文本分类方法研究及其应用[D];江南大学;2017年

7 朱斐;一种富文本分类方法的研究与实现[D];苏州大学;2006年

8 李萍;基于改进词语权重的文本分类方法研究[D];东北师范大学;2010年

9 王燕霞;基于相关主题模型的文本分类方法研究[D];苏州大学;2010年

10 张建兴;一种提取类核的快速文本分类方法[D];兰州理工大学;2010年

，

本文编号：1940767