基于CBAt混合神经网络模型的藏文文本分类研究
朱宇雷1
群诺2
于韬1
尹宗鹤1
拥措1
尼玛扎西1
1.西藏大学信息科学技术学院 拉萨 850000;藏文信息技术教育部工程研究中心 拉萨 8500002.西藏大学信息科学技术学院 拉萨 850000;西藏信息化省部共建协同创新中心 拉萨 850000
摘要：为提升深度学习模型在藏文文本分类上的分类效果,文章提出了一种基于CBAt混合神经网络的藏文文本分类模型,对数据集中的14000篇藏文文本进行分类.该研究抛弃传统CNN模型中的池化层,将卷积后的结果直接作为BiL-STM模型的输入,并且引入Attention机制增加模型对藏文文本重要信息的特征提取,以此提高分类准确率.文章同样在此数据集上与传统的机器学习算法、单一以及混合神经网络模型进行对比,从实验结果表明该研究提出的改进混合神经网络模型在藏文文本分类上表现更优.
关键词：深度学习藏文文本分类CNNBiLSTM注意力机制
分类号：TP391(计算技术、计算机技术)
资助基金：国家科技重大专项(2022ZD0116100)国家自然科学基金(62162057)西藏自治区高校人文社会科学研究项目(SK2021-24)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：9( 3461-3469 )
英文信息