-
题名基于循环卷积多任务学习的多领域文本分类方法
被引量：5
- 1
-
-
作者
谢金宝
李嘉辉
康守强
王庆岩
王玉静
-
机构
广东科学技术职业学院机器人学院
哈尔滨理工大学电气与电子工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第8期2395-2403,共9页
-
基金
基于工业互联网的协作式智能机器人产教融合创新应用平台(2020CJPT004)
黑龙江省自然科学基金(LH2019E058)
+1 种基金
智能机器人湖北省重点实验室开放基金(HBIR202004)
黑龙江省普通高校基本科研业务费专项资金(LGYC2018JC027)。
-
文摘
文本分类任务中,不同领域的文本很多表达相似,具有相关性的特点,可以解决有标签训练数据不足的问题。采用多任务学习的方法联合学习能够将不同领域的文本利用起来,提升模型的训练准确率和速度。该文提出循环卷积多任务学习(MTL-RC)模型用于文本多分类,将多个任务的文本共同建模,分别利用多任务学习、循环神经网络(RNN)和卷积神经网络(CNN)模型的优势获取多领域文本间的相关性、文本长期依赖关系、提取文本的局部特征。基于多领域文本分类数据集进行丰富的实验,该文提出的循环卷积多任务学习模型(MTL-LC)不同领域的文本分类平均准确率达到90.1%,比单任务学习模型循环卷积单任务学习模型(STL-LC)提升了6.5%,与当前热门的多任务学习模型完全共享多任务学习模型(FS-MTL)、对抗多任务学习模型(ASP-MTL)、间接交流多任务学习框架(IC-MTL)相比分别提升了5.4%,4%和2.8%。
-
关键词
多领域文本分类
多任务学习
循环神经网络
卷积神经网络
-
Keywords
Multi-domain text classification
Multi-task learning
Recurrent Neural Netword(RNN)
Convolutional Neural Network(CNN)
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
