cnn-elm混合短文本分类模型新.pdfVIP

———————————————————————————————————————————————— CNN-ELM 混合短文本分类模型 作者 韩众和，夏战国，杨婷 机构 中国矿业大学 计算机科学与技术学院；中科院电子学研究所苏州研究院 基金项目 国家自然科学基金资助项目 预排期卷 《计算机应用研究》2019 年第36 卷第3 期 摘要 针对目前自然语言处理研究中，使用卷积神经网络（CNN）进行短文本分类任务时可以结合 不同神经网络结构与分类算法以提高分类性能的问题，提出了一种结合卷积神经网络与极速 学习机的CNN-ELM 混合短文本分类模型。使用词向量训练构成文本矩阵作为输入数据，然 后使用卷积神经网络提取特征并使用Highway 网络进行特征优化，最后使用误差最小化极速 学习机(EM-ELM)作为分类器完成短文本分类任务。与其他模型相比，该混合模型能够提取更 具代表性的特征并能快速准确地输出分类结果。在多种英文数据集上的实验结果表明提出的 CNN-ELM 混合短文本分类模型比传统机器学习模型与深度学习模型更适合完成短文本分类 任务。 关键词 文本分类；卷积神经网络；极速学习机 作者简介 韩众和（1993-），男，河南郑州人，硕士研究生，主要研究方向为深度学习、自然语言处理 （hanzhonghe317@163.com）；夏战国（1974-），男，副教授，硕导，博士，主要研究方向 为机器学习、数据挖掘；杨婷（1992-），女，硕士研究生，主要研究方向为自然语言处理． 中图分类号 TP391.1 访问地址 /article/02-2019-03-027.html 发布日期 2018 年4 月17 日 引用格式 韩众和, 夏战国, 杨婷. CNN-ELM 混合短文本分类模型[J/OL]. 2019, 36(3). [2018-04-17]. /article/02-2019-03-027.html. 36 3 Vol. 36 No. 3 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication CNN-ELM 混合短文本分类模型 * 1 1 2 韩众和 ，夏战国 ，杨 婷 (1. , 221000; 2. , 中国矿业大学 计算机科学与技术学院 江苏 徐州 中科院电子学研究所苏州研究院 江苏 苏州 215000) 摘 要：针对目前自然语言处理研究中，使用卷积神经网络（CNN）进行短文本分类任务时可以结合不同神经网络结 构与分类算法以提高分类性能的问题，提出了一种结合卷积神经网络与极速学习机的CNN-ELM 混合短文本分类模型。 使用词向量训练构成文本矩阵作为输入数据，然后使用卷积神经网络提取特征并使用Highway 网络进行特征优化，最 后使用误差最小化极速学习机(EM-ELM)作为分类器完成短文本分类任务。与其他模型相