| 基于SFM-DCNN的层次特征文本分类研究 |
| |
| 引用本文： | 余本功,王胡燕.基于SFM-DCNN的层次特征文本分类研究[J].情报科学,2021,39(7):99-107. |
| |
| 作者姓名： | 余本功 王胡燕 |
| |
| 摘 要： | 【目的/意义】对互联网产生的大量文本数据进行有效分类，提高文本处理效率，为企业用户决策提供建
议。【方法/过程】针对传统的词向量特征嵌入无法获取一词多义,特征稀疏、特征提取困难等问题，本文提出了一种
基于句子特征的多通道层次特征文本分类模型（SFM-DCNN）。首先，该模型通过Bert句向量建模，将特征嵌入从
传统的词特征嵌入升级为句特征嵌入，有效获取一词多义、词语位置及词间联系等语义特征。其次，通过构建多通
道深度卷积模型，将句特征从多层级来获取隐藏特征，获取更接近原语义的特征。【结果/结论】采用三种不同的数
据对模型进行验证分析，采用对比相关的分类方法，SFM-DCNN模型准确率较其他模型分类性能有所提高，这说
明该模型具有一定的借鉴意义。【创新/局限】基于文本分类中存在的一词多义、特征稀疏问题，创新性地利用Bert来
抽取全局语义信息，并结合多通道深层卷积来获取局部层次特征，但限于时间和设备条件，模型没有进行进一步的
预训练，实验数据集不够充分。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
| 点击此处可从《情报科学》下载免费的PDF全文 |
|
