多标签文本分类模型对比研究

• 作者: 姜炎宏 战学刚 迟呈英
• 来源期刊: 辽宁科技大学学报
• 学科: 工学
• 关键词: 多标签文本 文本循环神经网络 文本卷积神经网络 注意力机制
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 146-153,160
• 页数: 9页
• 分类号: TP399
• 字数: 5592字
• 语种: 中文
• DOI: 10.13988/j.ustl.2020.02.011

摘要

为了有效地管理和利用网络文本信息,实现文本内容自动标签标注,提出采用多种深度学习模型对多标签文本分类进行研究.采用神经网络词向量模型word2vec获取文本数据的语义特征.对循环神经网络和卷积神经网络进行模型融合,引入注意力机制,形成TextRCNN_Attention神经网络模型.实验结果表明,Tex-tRCNN_Attention模型结构融合了循环神经网络和卷积神经网络模型的优点,能更好地理解语义信息.Atten-tion机制对文本特征提取更加合理,使模型将注意力聚焦在对文本分类任务贡献分值较大的特征上,分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	战学刚	辽宁科技大学计算机与软件工程学院	16	113	5.0	10.0
2	迟呈英	辽宁科技大学计算机与软件工程学院	20	99	5.0	9.0
3	姜炎宏	辽宁科技大学计算机与软件工程学院	1	0	0.0	0.0