マルチ LSTM 分析モデルを用いたニューステキストの分類

カテゴリ：研究会(論文単位)

論文No：CT25115

グループ名：【C】電子・情報・システム部門 制御研究会

発行日：2025/12/24

タイトル(英語)：News Text Classification Using Multi-LSTM Analytical Model

著者名：Yue Xinzhe(立命館大学),Li Qi(立命館大学),孟 林(立命館大学)

著者名(英語)： Xinzhe Yue(Ritsumeikan University),Qi Li(Ritsumeikan University),Lin Meng(Ritsumeikan University)

キーワード：ニュース分類,深層学習,アテンションメカニズム,Ｗ－ＢｉＬＳＴＭ,単語埋め込み,短文分類,Chinese news classification,Deep learning,Attention mechanism,W‑BiLSTM,Word embedding,Short-text classification

要約(日本語)：本研究は、ニュース分類における語義の疎性と標準LSTMの限界を解決するため、W BiLSTMモデルを提案する。提案手法はWord2Vecと双方向重み付け（注意機構）構造を組み合わせて重要な語義を捉える。THUCNewsデータセットの10クラス分類において91.58%の高精度を達成し、ベースラインを大きく上回ることを示した。また、「株式」と「経済」など語義が高く重複するクラスに対する分類における課題が発見された。

要約(英語)：This study proposes W BiLSTM to address semantic sparsity and LSTM limitations in Chinese news classification. Combining Word2Vec embeddings with a bidirectional weighted attention LSTM, it achieves 91.58% accuracy on the THUCNews 10-class task, outperforming baselines while revealing challenges distinguishing semantically overlapping categories such as Stocks and Finance.

本誌：2025年12月27日制御研究会

本誌掲載ページ：7-12p

原稿種別：日本語

PDFファイルサイズ：1,108Kバイト