-
题名基于标签注意力与多粒度网络的层级专利分类
被引量：1
- 1
-
-
作者
廖列法
张燕琴
-
机构
江西理工大学信息工程学院
江西现代职业技术学院院长办公室
-
出处
《计算机工程与设计》
北大核心
2024年第10期3074-3080,共7页
-
基金
国家自然科学基金项目(71462018、71761018)。
-
文摘
针对中文专利的多层级自动分类任务中不同层级之间标签丰富语义信息及依赖关系和不同粒度大小的特征信息被忽略问题,提出一种RoBERTa-ALMG模型。通过RoBERTa预训练模型获取专利文本的高级语义表征,在标签注意力模块中借助双重多层感知机和注意力机制动态生成标签文本向量表示,通过前向传播过程实现不同层级之间的知识传递与信息共享,借助多粒度特征抽取模块捕捉层级之间的不同粒度特征和信息。在国家信息中心公布的数据集上的实验结果表明,该模型的表现优于其它模型。
-
关键词
专利分类
层级分类
预训练模型
标签注意力
多粒度特征抽取
特征信息
信息共享
-
Keywords
patent classification
hierarchical classification
pre-training model
label attention
multi-granularity feature extraction
feature information
information sharing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于句法依赖增强图的方面级情感分析
被引量：1
- 2
-
-
作者
廖列法
夏卫欢
杨翌虢
-
机构
江西理工大学信息工程学院
江西现代职业技术学院院长办公室
上海大学计算机工程与科学学院
-
出处
《计算机工程与设计》
北大核心
2024年第6期1857-1864,共8页
-
基金
国家自然科学基金项目(71462018、71761018)。
-
文摘
方面级情感分析旨在分析句子中特定方面的情感极性,现有研究侧重于利用图神经网络建模上下文与方面的依赖信息,忽略了对上下文中情感词及其词性的挖掘和利用。为此,提出一种基于句法依赖的增强图(syntactic dependency enhancement graph, SDEG)模型,在原始句法依赖图上引入情感知识和词性信息,增强情感词权重和相关词性单词在上下文中的作用。使用双向长短期记忆网络和卷积神经网络捕捉句子的重点语义信息,通过图卷积神经网络建模句法依赖增强图,通过交互注意力机制生成特定方面的上下文语义和语法表示以进行情感极性分类。在多个公共基准数据集上的实验结果表明,所提模型在性能上有明显提升。
-
关键词
方面级情感分析
情感知识
词性
双向长短期记忆网络
卷积神经网络
图卷积神经网络
交互注意力机制
-
Keywords
aspect-based sentiment analysis
affective knowledge
part of speech
bidirectional long short-term memory network
convolutional neural network
graph convolution network
interactive attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合概率类别特征增强的短文本分类
- 3
-
-
作者
廖列法
李奎
姚秀
-
机构
江西理工大学信息工程学院
江西现代职业技术学院院长办公室
-
出处
《计算机工程与设计》
北大核心
2024年第7期2074-2081,共8页
-
基金
国家自然科学基金项目(71462018、71761018)。
-
文摘
对短文本所含信息量缺乏而导致分类准确度难以提升的问题进行研究,提出一种融合概率类别特征增强的短文本分类网络模型FT_BDCNN。将N-gram处理后产生的N元词典通过TF-IDF分离出具有概率类别区分度的特征信息(FT模块);将向量化表示后的文本信息输入到改进后的特征提取模块中;将两个模块的输出进行特征融合,完成文本分类。实验结果表明,所提模型在THUCNews数据集上的F1值达到91.91%。FT模块可以与现有分类模型进行融合,提升模型的分类性能。
-
关键词
类别特征增强
短文本
双池化
特征融合
统计算法
快速分类
深度学习
-
Keywords
category feature enhancement
short text
double pooling
feature fusion
statistical algorithms
quick classification
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
