基于词-标签概率的多标签文本分类研究
赵宏; 郑厚泽; 郭岚
2023-02-15
发表期刊兰州理工大学学报
ISSN1673-5196
卷号49期号:01页码:103-109
摘要针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.
关键词多标签文本分类 卷积神经网络 双向长短期记忆网络 标签的隐狄利克雷分布
URL查看原文
收录类别北大核心
语种中文
文献类型期刊论文
条目标识符https://ir.lut.edu.cn/handle/2XXMBERH/161472
专题计算机与通信学院
作者单位兰州理工大学计算机与通信学院
第一作者单位计算机与通信学院
第一作者的第一单位计算机与通信学院
推荐引用方式
GB/T 7714
赵宏,郑厚泽,郭岚. 基于词-标签概率的多标签文本分类研究[J]. 兰州理工大学学报,2023,49(01):103-109.
APA 赵宏,郑厚泽,&郭岚.(2023).基于词-标签概率的多标签文本分类研究.兰州理工大学学报,49(01),103-109.
MLA 赵宏,et al."基于词-标签概率的多标签文本分类研究".兰州理工大学学报 49.01(2023):103-109.
条目包含的文件
条目无相关文件。
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[赵宏]的文章
[郑厚泽]的文章
[郭岚]的文章
百度学术
百度学术中相似的文章
[赵宏]的文章
[郑厚泽]的文章
[郭岚]的文章
必应学术
必应学术中相似的文章
[赵宏]的文章
[郑厚泽]的文章
[郭岚]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。