LSTM-TextCNN联合模型的短文本分类研究

作者：李志杰; 耿朝阳^*; 宋鹏

来源：西安工业大学学报, 2020, 40(03): 299-304.

DOI：10.16185/j.jxatu.edu.cn.2020.03.010

• 深度学习
• 短文本分类
• LSTM-TextCNN
• Word2Vec

为了能在文本分类模型中获取到更具有代表性的信息,增加分类的准确率。本文提出了一种LSTM-TextCNN联合模型。文中以设备维修手册中采集的文本作为数据集,并对文本进行相应的预处理,将处理过的文本通过Word2Vec模型转化为词向量,最终搭建出联合模型并进行训练,实现了对文本的分类,并将文中的联合模型与单模型LSTM和TextCNN进行测试比较。实验结果表明,文中采用的LSTM-TextCNN联合模型分类准确率为83.3%,比TextCNN模型高4.2%,比LSTM模型高9.1%,文中方法在抓取文本特征方面优于传统的单模型TextCNN和LSTM。

• 单位
  西安工业大学