计算机应用

作者：孟曌, 田生伟, 禹龙, 王瑞锦

单位：1. 新疆大学 软件学院, 乌鲁木齐 830008;2. 新疆大学 网络中心, 乌鲁木齐 830046;3. 电子科技大学 信息与软件工程学院, 成都 611731

关键词：地域欺凌,结构信息,分层注意力网络,独立循环神经网络,词向量,语境

基金：国家自然科学基金资助项目（61662074，61563051，61262064）；国家自然科学基金重点项目（61331011）；新疆维吾尔自治区科技人才培养项目（QN2016YX0051）；天山青年计划项目（2017Q011）。

为提高对文本语境深层次信息的利用效率，提出了联合分层注意力网络（HAN）和独立循环神经网络（IndRNN）的地域欺凌文本识别模型——HACBI。首先，将手工标注的地域欺凌文本通过词嵌入技术映射到低维向量空间中；其次，借助卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）提取地域欺凌文本的局部及全局语义特征，并进一步利用HAN捕获文本的内部结构信息；最后，为避免文本层次结构信息丢失和解决梯度消失等问题，引入IndRNN以增强模型的描述能力，并实现信息流的整合。实验结果表明，该模型的准确率（Acc）、精确率（P）、召回率（R）、F1和AUC值分别为99.57%、98.54%、99.02%、98.78%和99.35%，相比支持向量机（SVM）、CNN等文本分类模型有显著提升。

来源：2019年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第8期