用于文本分类的均值原型网络

被引：1

作者：

线岩团 ^{[1
,2
]}

相艳 ^{[1
,2
]}

余正涛 ^{[1
,2
]}

文永华 ^{[1
,2
]}

王红斌 ^{[1
,2
]}

张亚飞 ^{[1
,2
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 昆明理工大学云南省人工智能重点实验室

来源：

中文信息学报 | 2020年 / 06期

基金：

国家重点研发计划;

关键词：

文本分类; 均值原型网络; 自集成学习;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

文本分类是自然语言处理的基本任务之一。该文在原型网络基础上,提出了按时序移动平均方式集成历史原型向量的均值原型网络,并将均值原型网络与循环神经网络相结合,提出了一种新的文本分类模型。该模型利用单层循环神经网络学习文本的向量表示,通过均值原型网络学习文本类别的向量表示,并利用文本向量与原型向量的距离训练模型并预测文本类别。与己有的神经网络文本分类方法相比,模型在训练和预测过程中有效利用了样本间的特征相似关系,并具有网络深度浅、参数少的特点。该方法在多个公开的文本分类数据集上取得了最好的分类准确率。

引用

页码：73 / 80+88 +88

页数：9