基于编码解码器与深度主题特征抽取的多标签文本分类

• 作者: 刘心惠 陈文实 鲁明羽
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 多标签文本分类,深度主题特征,标签相关性,编码解码器,attention 机制
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 61-68
• 页数: 8页
• 分类号: TP311
• 字数: 5979字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.04.009

摘要

本文提出了一种基于编码解码器与深度主题特征的模型,实现了多标签文本分类.针对传统多标签文本分类方法的特征语义缺失的问题,采用一种长短时记忆(long short-term memory,LSTM)网络提取文本的局部特征与主题模型(latent dirichlet allocation,LDA)提取文本的全局特征的深度主题特征提取模型(deep topic feature extraction model,DTFEM),得到具有文本深层语义特征的语义编码向量,并将该编码向量作为解码器网络的输入.解码器网络将多标签文本分类的任务看作序列生成的过程,解决了多标签文本分类的标签相关性的问题,并加入attention机制,计算注意力分布概率,突出关键输入对输出的作用,改进了由于输入过长导致的语义缺失问题,最终实现多标签文本分类.实验结果表明,该模型能够获得比传统的多标签文本分类系统更优的结果.另外,实验证明使用深度主题特征的方法可以提高多标签文本分类的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁明羽	大连海事大学信息科学技术学院	42	574	11.0	23.0
2	刘心惠	大连海事大学信息科学技术学院	3	0	0.0	0.0
3	陈文实	大连海事大学信息科学技术学院	3	0	0.0	0.0