注意力机制的BiLSTM模型在招聘信息分类中的应用

• 作者: 吕飞亚 张英俊 潘理虎
• 来源期刊: 计算机系统应用
• 关键词: 招聘信息 文本分类 One-hot BiLSTM模型 注意力机制
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研究开发
• 页码范围: 242-247
• 页数: 6页
• 字数: 4310字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007364

摘要

目前IT招聘信息分类中传统算法存在长距离依赖,且无法突出IT岗位关键词对文本分类特征影响等问题.本文通过训练双向长短期记忆网络BiLSTM与注意力机制相结合的多层文本分类模型,将其应用到招聘信息分类中.该模型包括One-hot词向量输入层、BiLSTM层、注意力机制层和输出层.其中One-hot层构建招聘词典,节省了大量训练词向量时间,BiLSTM层可获取更多上下文不同距离的语义信息,注意力机制层对经过BiLSTM层编码数据进行加权转变可提升序列化学习任务.实验表明:基于该模型的IT招聘信息分类准确率达到93.36％,与其他模型对比,提高约2％.该模型更有针对性的分析不同岗位对就业者能力的要求,实现了不同岗位招聘信息的分类,对高校毕业生就业指导有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘理虎	太原科技大学计算机科学与技术学院	95	287	10.0	12.0
3	张英俊	太原科技大学计算机科学与技术学院	63	275	9.0	13.0
6	吕飞亚	太原科技大学计算机科学与技术学院	1	0	0.0	0.0