基于编码解码器与深度主题特征抽取的多标签文本分类

基于编码解码器与深度主题特征抽取的多标签文本分类

论文摘要

本文提出了一种基于编码解码器与深度主题特征的模型,实现了多标签文本分类.针对传统多标签文本分类方法的特征语义缺失的问题,采用一种长短时记忆(long short-term memory,LSTM)网络提取文本的局部特征与主题模型(latent dirichlet allocation,LDA)提取文本的全局特征的深度主题特征提取模型(deep topic feature extraction model,DTFEM),得到具有文本深层语义特征的语义编码向量,并将该编码向量作为解码器网络的输入.解码器网络将多标签文本分类的任务看作序列生成的过程,解决了多标签文本分类的标签相关性的问题,并加入attention机制,计算注意力分布概率,突出关键输入对输出的作用,改进了由于输入过长导致的语义缺失问题,最终实现多标签文本分类.实验结果表明,该模型能够获得比传统的多标签文本分类系统更优的结果.另外,实验证明使用深度主题特征的方法可以提高多标签文本分类的性能.

论文目录

  • 1 问题定义
  • 2 模型框架
  •   2.1 Encoder模型
  •   2.2 Decoder模型
  • 3 实验
  •   3.1 实验数据
  •   3.2 评价指标
  •   3.3 模型超参
  •   3.4 实验结果与分析
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 陈文实,刘心惠,鲁明羽

    关键词: 多标签文本分类,深度主题特征,标签相关性,编码解码器,机制

    来源: 南京师大学报(自然科学版) 2019年04期

    年度: 2019

    分类: 基础科学,信息科技

    专业: 计算机软件及计算机应用

    单位: 大连海事大学信息科学技术学院

    基金: 国家自然科学基金(61073133)

    分类号: TP391.1

    页码: 61-68

    总页数: 8

    文件大小: 499K

    下载量: 277

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于编码解码器与深度主题特征抽取的多标签文本分类
    下载Doc文档

    猜你喜欢