基于联合模型的多标签文本分类研究

• 作者: 刘心惠 周爱 屈雯 陈文实 陈飞 鲁明羽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多标签文本分类 多头注意力机制 胶囊网络 双向长短期记忆网络 联合模型
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 111-117
• 页数: 7页
• 分类号: TP391
• 字数: 6020字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0273

摘要

目前大部分多标签文本分类算法忽视文本序列中不同词的重要程度、不同层次文本特征的影响,提出一种ATT-Capsule-BiLSTM模型,使用多头注意力机制(Multi-head Attention),结合胶囊网络(CapsuleNet)与双向长短期记忆网络(BiLSTM)方法.将文本序列向量化表示,在词向量的基础上通过多头注意力机制学习单词的权重分布.通过胶囊网络和BiLSTM分别提取局部空间信息和上下文时序信息的特征表示,通过平均融合后,由sigmoid分类器进行分类.在Reuters-21578和AAPD两个数据集上进行对比实验,实验结果表明,提出的联合模型在使用简单架构的情况下,达到了较好的性能,F1值分别达到了89.82％和67.48％.

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	陈飞	大连海事大学信息科学技术学院	8	65	4.0	8.0
3	周爱	大连海事大学信息科学技术学院	2	0	0.0	0.0
4	屈雯	大连海事大学信息科学技术学院	2	0	0.0	0.0
5	刘心惠	大连海事大学信息科学技术学院	3	0	0.0	0.0
6	陈文实	大连海事大学信息科学技术学院	3	0	0.0	0.0