基于BLSTM的詩詞風格分類技術研究
張航; 何中市 重慶大學計算機學院; 重慶400030
關鍵詞：詩詞風格分類 深度學習 bilstm 詞向量
摘要：詩詞的風格分類其實質是文本分類問題。相比于傳統(tǒng)的基于詞袋或N-Gram的文本分類方法忽略字詞之間的上下文聯(lián)系,循環(huán)神經(jīng)網(wǎng)絡將文本分類處理為序列化分類問題,取得更高的效率和準確率。將雙向循環(huán)神經(jīng)網(wǎng)絡(BiL?STM)運用到中文古詩詞風格分類中,通過詩詞字、詞向量與BiLSTM結合構建基于深度神經(jīng)網(wǎng)絡的中文古詩詞分類模型,與傳統(tǒng)的分類模型相比,顯著的提高分類效果。并通過實驗驗證基于中文古詩詞語料庫的詩詞字或詞向量模型比基于現(xiàn)代漢語語料庫的詞向量模型分類準確率更高。
現(xiàn)代計算機雜志要求:
{1}基金項目：獲得基金資助產出的文章應注明基金項目名稱，并在括號內注明其項目編號。
{2}稿件內容來稿請按如下順序撰寫：論文標題，作者姓名，內容提要，關鍵詞，正文，（征引書目），參考文獻。
{3}本刊全彩印刷，要求圖文并茂，圖片高清美觀。
{4}本刊采用頁下注釋。正文中注號用阿拉伯數(shù)字加圓圈標注于相關句子的右上角，通常應在相關標點之外。
{5}正文：文內標題簡捷、層次分明。文字、標點及數(shù)字的運用應符合規(guī)范。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
