基于深度学习的短文本分类研究综述
随着社交媒体的普及,短文本分类已经成为越来越重要的课题.短文本的简短和稀疏性,阻碍了常规机器学习和文本挖掘算法的应用.近年来,深度学习方法得到了研究界和业界的许多关注,因为这些方法能够自动学习给定任务的最佳特征表示,在自然语言处理的许多任务中有着最佳表现.目前应用于短文本分类的深度学习方法主要有基于卷积神经网络、循环神经网络、深层神经网络、多层神经网络融合及多种模型与其他传统方法相结合的建模方法.文中对以上方法进行了系统的分析和总结,给出了各类方法的基本思想和模型框架,最后提出了短文本分类方法未来可能的发展趋势.
短文本分类 信息处理 深度学习 神经网络
刘琴 袁家政 翁长虹
北京联合大学北京市信息服务工程重点实验室 北京100101
国内会议
中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会
福州
中文
11-15
2017-12-14（万方平台首次上网日期，不代表论文的发表时间）