公开(公告)号：CN114860929A

公开(公告)日：2022-08-05

申请号：CN202210435127.0

申请日：2022-04-24

Applicant: 安徽理工大学

Inventor： 董晨 ,  李舒婷 ,  鲍志伟 ,  于业齐 ,  梁镇洹 ,  施建国 ,  李沙沙

IPC: G06F16/35 ,  G06F40/289 ,  G06F40/253 ,  G06F40/242 ,  G06F16/903 ,  G06N3/04

Abstract: 本发明提供了一种基于改进TextCNN的新闻文本分类方法，改进后的TextCNN包括输入层，卷积池化层，输出层。输入层：通过词向量word embeddings将词转化成词向量，利用全局注意力机制对词向量中的每个元素进行权重赋值，从而突出显著特征抑制无用特征。卷积池化层：一共有三种规格的卷积核，大小分别为2、3、4，卷积核的数量是256，卷积核的宽度为词向量大小，池化层融合了平均池化和最大池化操作，使用MLP层进一步提取平均池化和最大池化产生的特征，提升特征的全局表示能力。输出层：池化层的向量输入到全连接层中，最后经过softsign激活后得到最终的词向量表示特征，输出为维度为10向量，向量的每一个维度对应一个类别。该方法有利于提高新闻文本分类的准确率。