公开(公告)号：CN108717439A

公开(公告)日：2018-10-30

申请号：CN201810467249.1

申请日：2018-05-16

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  侯永进 ,  马俊杰 ,  梁欣涛 ,  王玉静 ,  王滨生

IPC: G06F17/30 ,  G06F17/27 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明一种基于注意力机制和特征强化融合的中文文本分类方法属于数据挖掘技术领域；所述一种基于注意力机制和特征强化融合的中文文本分类方法中提出一种基于注意力机制、长短期记忆网络与卷积神经网络的特征强化融合中文文本分类模型和特征差异强化注意力算法模型；特征强化融合中文文本分类模型，以双层LSTM和CNN模块依次对注意力机制提取的文本特征进行强化融合，不断增强所提取文本特征的丰富程度和，使其包含的文本特征更加全面更加细致，从而提高了模型对中文文本特征的识别能力。

公开(公告)号：CN108460089A

公开(公告)日：2018-08-28

申请号：CN201810063815.2

申请日：2018-01-23

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  侯永进 ,  殷楠楠 ,  谢桂芬 ,  王玉静 ,  梁新涛

IPC: G06F17/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明方案公开了基于Attention神经网络的多元特征融合中文文本分类方法，属于自然语言处理领域。为了进一步提高中文文本分类的准确性，本发明通过融合3条CNN通路充分挖掘文本数据在3种不同尺寸卷积核粒度下的特征；通过融合LSTM通路来体现文本数据之间的相互联系；特别地,通过融合所提出的Attention算法模型使相对重要的数据特征在中文文本类别识别过程中发挥更大的作用，从而提高模型对中文文本类别的识别能力。实验结果表明，同等实验条件下，相比于CNN模型，LSTM结构模型及其两者的组合模型，本发明提出的模型的中文文本分类准确率明显提高，能够更好的应用于对分类准确率要求高的中文文本分类领域。