Resumen

La clasificacin de documentos es un problema fundamental en el procesamiento del lenguaje natural. El aprendizaje profundo ha demostrado un gran xito en esta tarea. Sin embargo, la mayora de los modelos existentes no incluyen la estructura de la oracin como una caracterstica semntica del texto en la arquitectura y prestan menos atencin a la importancia contextual de las palabras y las oraciones. En este artculo, presentamos un nuevo modelo basado en una red neuronal recurrente dispersa y un mecanismo de autoatencin para la clasificacin de documentos. Posteriormente, analizamos tres modelos variantes de GRU y LSTM para evaluar el modelo disperso en diferentes conjuntos de datos. Extensos experimentos demuestran que nuestro modelo obtiene un rendimiento competitivo y supera a los modelos anteriores.

• Materias:Matemáticas Lógica matemática Ingeniería Algoritmos (Matemáticas) Algebra
• Subjects:mathematics Mathematical logic Engineering Agorithms (Math) Algebra
• Palabras claves:clasificación de documentos; procesamiento del lenguaje natural; aprendizaje profundo; estructura de las frases; características semánticas del texto; red neuronal recurrente dispersa
• Keywords:document classification; natural language processing; deep learning; sentence structure; text semantic feature; sparse recurrent neural network