融合Bert和BiLSTM的中文短文本分类研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：中文短文本具有长度短及上下文依赖强的特点，针对新闻主题文本用词不够规范、语义模糊、特征稀疏等问题，提出首先在词向量表示阶段引入Bert（双向Transformers编码器）生成融合字、文本及位置的词向量作为训练文本的词表征进行文本语义增强，然后将得到的词向量输送到BiLSTM（双向长短期记忆网络）网络中提取上下文关系特征，最后使用Softmax分类器进行文本分类，模型准确率达0.9391。（剩余9698字）

试读结束

目录
monitor
客服机器人