基于增量学习的图书文本分类方法

• 作者: 赵萌
• 来源期刊: 情报探索
• 关键词: 增量学习 深度学习 文本数据 图书分类
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 工作研究|Work Research
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8095.2021.07.008

摘要

[目的/意义]旨在解决传统图书文本人工分类耗时耗力的问题,以及深度学习算法无法良好处理更新图书文本资源的分类问题.[方法/过程]提出了一种基于增量学习的图书文本分类方法,先利用现有图书资源创建标准文本分类模型,再采用增量学习方法修改模型,使其能够不断地帮助模型学习到新增的图书类别.[结果/结论]研究实验表明,增量式图书文本分类算法可以不断学习新增图书文本类别知识,且维持分类准确率91％以上.该方法有效解决了图书馆文本分类个数有限的问题,有助于图书资源管理进一步推广与应用.