补充语义信息的多特征融合模糊文本分类
张萌萌
梁艳红
河北工业大学人工智能与数据科学学院 天津 300401
摘要：针对中文文本分类中依赖词嵌入和单一的神经网络,存在语义表达不充分、特征获取不全面且文本表达模糊比清晰更难以辨识类别的问题,提出补充语义信息的多特征融合(multi-feature fusion with supplementing semantic information,SSI-MFF)的模糊文本分类模型,使用BERT预训练模型对模糊文本进行向量表示,TextCNN、BiLSTM分别学习文本关键字符特征、句子语义特征并用原始向量补充语义信息.在模糊文本数据集上的分类实验结果表明,方法的准确率为79.22％,分类效果明显优于传统文本分类算法.
关键词：模糊文本词嵌入特征融合补充语义信息神经网络
资助基金：国家自然科学基金(51605134)
论文发表日期：2021-06-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 45-47,52 )