基于BLSTM的诗词风格分类技术研究

关键词：诗词风格分类 深度学习 bilstm 词向量 

摘要：诗词的风格分类其实质是文本分类问题。相比于传统的基于词袋或N-Gram的文本分类方法忽略字词之间的上下文联系,循环神经网络将文本分类处理为序列化分类问题,取得更高的效率和准确率。将双向循环神经网络(BiL⁃STM)运用到中文古诗词风格分类中,通过诗词字、词向量与BiLSTM结合构建基于深度神经网络的中文古诗词分类模型,与传统的分类模型相比,显著的提高分类效果。并通过实验验证基于中文古诗词语料库的诗词字或词向量模型比基于现代汉语语料库的词向量模型分类准确率更高。

现代计算机杂志要求:

{1}基金项目：获得基金资助产出的文章应注明基金项目名称，并在括号内注明其项目编号。

{2}稿件内容来稿请按如下顺序撰写：论文标题，作者姓名，内容提要，关键词，正文，（征引书目），参考文献。

{3}本刊全彩印刷，要求图文并茂，图片高清美观。

{4}本刊采用页下注释。正文中注号用阿拉伯数字加圆圈标注于相关句子的右上角，通常应在相关标点之外。

{5}正文：文内标题简捷、层次分明。文字、标点及数字的运用应符合规范。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社