期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于联合模型的多标签文本分类研究
被引量：
23
1
作者
刘心惠
陈文实
+3 位作者
周爱
陈飞
屈雯
鲁明羽
《计算机工程与应用》
CSCD
北大核心
2020年第14期111-117,共7页
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...
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%。
展开更多
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
在线阅读
下载PDF
职称材料
基于编码解码器与深度主题特征抽取的多标签文本分类
被引量：
7
2
作者
陈文实
刘心惠
鲁明羽
《南京师大学报（自然科学版）》
CAS
CSCD
北大核心
2019年第4期61-68,共8页
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 all...
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.
展开更多
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
attention机制
在线阅读
下载PDF
职称材料
广播新闻深度报道探索心得
3
作者
刘心惠
《新疆新闻界》
1998年第3期30-31,共2页
关键词
深度报道
广播新闻
工人俱乐部
述评
乌鲁木齐
工人文化宫
广播记者
新疆人民广播电台
实况录音
广播新闻报道
在线阅读
下载PDF
职称材料
题名
基于联合模型的多标签文本分类研究
被引量：
23
1
作者
刘心惠
陈文实
周爱
陈飞
屈雯
鲁明羽
机构
大连海事大学信息科学技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第14期111-117,共7页
基金
国家自然科学基金(No.61272369)。
文摘
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%。
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
Keywords
multi-label text classification
multi-head attention
CapsuleNet
Bidirectional Long Short-Term Memory network(BiLSTM)
joint model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于编码解码器与深度主题特征抽取的多标签文本分类
被引量：
7
2
作者
陈文实
刘心惠
鲁明羽
机构
大连海事大学信息科学技术学院
出处
《南京师大学报（自然科学版）》
CAS
CSCD
北大核心
2019年第4期61-68,共8页
基金
国家自然科学基金(61073133)
文摘
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.
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
attention机制
Keywords
multi-label text classification
deep topic feature extraction
label correlation
seq2seq
attention mechanism
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
广播新闻深度报道探索心得
3
作者
刘心惠
机构
新疆人民广播电台
出处
《新疆新闻界》
1998年第3期30-31,共2页
关键词
深度报道
广播新闻
工人俱乐部
述评
乌鲁木齐
工人文化宫
广播记者
新疆人民广播电台
实况录音
广播新闻报道
分类号
G222 [文化科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于联合模型的多标签文本分类研究
刘心惠
陈文实
周爱
陈飞
屈雯
鲁明羽
《计算机工程与应用》
CSCD
北大核心
2020
23
在线阅读
下载PDF
职称材料
2
基于编码解码器与深度主题特征抽取的多标签文本分类
陈文实
刘心惠
鲁明羽
《南京师大学报（自然科学版）》
CAS
CSCD
北大核心
2019
7
在线阅读
下载PDF
职称材料
3
广播新闻深度报道探索心得
刘心惠
《新疆新闻界》
1998
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
