一种基于高层特征融合的网络商品分类

• 作者: 刘逸琛 姜丽芬 孙华志 钟长鸿 马春梅
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 商品分类 短文本分类 特征融合 特征增强 注意力机制
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 论文
• 页码范围: 98-104,117
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13190/j.jbupt.2020-033

摘要

为了利用商品文本标题实现商品自动分类,提出一种基于高层特征融合的商品分类模型.首先,提出基于字嵌入和词嵌入的文本底层特征表示法,进而获得更强的商品标题结构特征表达;其次,提出了联合自注意力、卷积神经网络和通道注意力的机制,对文本标题的底层特征进行增强和获得高层增强特征;最后,通过将文本的字嵌入和词嵌入的高层增强特征进行融合,最终获得商品文本标题的综合特征并实现商品自动分类.以商品标题语料作为数据集进行了实验,实验结果表明,该模型对三级商品类别的分类精度能够达到84.348％,召回率和F1值分别达到了47.8％和49.4％,表明该模型优于现有可用于商品文本标题分类的先进短文本分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙华志		28	181	8.0	13.0
2	姜丽芬		22	201	6.0	14.0
3	钟长鸿		2	0	0.0	0.0
4	刘逸琛		3	4	1.0	2.0
5	马春梅		10	8	2.0	2.0