集成学习在短文本分类中的应用研究

论文摘要

为了进一步提高基于深度神经网络短文本分类性能,提出将集成学习方法应用于5种不同的神经网络文本分类器,即卷积神经网络、双向长短时记忆网络、卷积循环神经网络、循环卷积神经网络、分层注意力机制神经网络,分别对两种集成学习方法(Bagging,Stacking)进行了测试。实验结果表明:将多个神经网络短文本分类器进行集成的分类性能要优于单一文本分类模型;进一步两两集成的实验验证了单个模型对短文本分类性能的贡献率。

论文目录

文章来源

类型: 期刊论文

作者: 王国薇,黄浩,周刚,胡英

关键词: 短文本分类,机器学习,深度学习,集成学习

来源: 现代电子技术 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 新疆大学信息科学与工程学院

基金: 国家重点研发计划项目（2017YFB1402101）,国家自然科学基金（61663044）,国家自然科学基金（61761041）,国家自然科学基金（61603323）,新疆大学博士科研启动基金(BS160239)~~

分类号: TP181;TP391.1

DOI: 10.16652/j.issn.1004-373x.2019.24.034

页码: 140-145

总页数: 6

文件大小: 1586K

下载量: 336

相关论文文献

标签：短文本分类论文;  机器学习论文;  深度学习论文;  集成学习论文;