利用概念化的少样本短文本分类研究

• 作者: 刘奇飞 沈炜域
• 来源期刊: 情报探索
• 学科: 工学
• 关键词: 少样本学习 词嵌入 概念化 文本分类
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 理论探索
• 页码范围: 5-9
• 页数: 5页
• 分类号: TP391.1
• 字数: 4594字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8095.2018.12.002

摘要

[目的/意义]旨在为用户和管理者的短文本分类管理提供参考.[方法/过程]利用开放知识库完成词粒度的概念化,将CWE预训练得到的词嵌入与实例的概念化表示拼接合成文本表示,并利用相似度的计算预测待标注短文本的类别.[结果/结论]结果表明了在少样本的情况下,该方法分类效果优于实验涉及的其他文本分类模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘奇飞	中国人民公安大学信息技术与网络安全学院	4	11	2.0	3.0
2	沈炜域	中国人民公安大学信息技术与网络安全学院	3	4	1.0	2.0