关键词：文本分类 词向量 卷积神经网络 主题模型 

摘要：【目的】更加全面地提取文本语义特征,提高文本向量对文本语义的表示能力。【方法】通过卷积神经网络提取词粒度、主题粒度和字粒度文本特征向量,通过“融合门”机制将三种特征向量融合得到最终的文本向量,并进行文本分类实验。【结果】该模型在搜狗语料库文本分类实验上的准确率为92.56%,查准率为92.33%,查全率为92.07%,F1值为92.20%,较基准模型Text-CNN分别提高2.40%,2.05%,1.77%,1.91%。【局限】词序关系范围较小,语料库规模较小。【结论】该模型可以更加全面地提取文本语义特征,得到的文本向量对文本语义表示能力更强。

数据分析与知识发现杂志要求:

{1}所有作者的作者简介（姓名、工作单位、职称、研究方向）；通讯作者请再提供电子邮箱。

{2}稿件文责自负。编辑部有权对来稿进行文字和技术性删改，对实质性内容的修改，则应征求作者同意。

{3}标题序号：可按四级小标题的格式写：一、（一）、1、（1）；一级、二级标题另起段，正文另起段；三级、四级小标题另起段，但正文接排；正文内序号用①……②……等。

{4}参考文献：（1）正文格式：作者，发表年（多版次文献请同时提供第 1 版的发表时间），页码，外加圆括号。（2）文末格式：中、外文献分开，各按音序排列。

{5}摘要应反映论文的目的、方法及主要结果、结论，并充分反映论文的创新点，表达简明、语义确切，以100 ～300 字为宜。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社