典型文献
融合标签层级结构的文本分类
文献摘要：
层级标签文本分类旨在从具有层级结构的标签集中选择与文本最匹配的标签.现有的文本分类方法,通常使用编码器提取文本特征进行预测,他们忽视了标签语义、标签之间的相关性、文本特征对标签特征的影响.针对以上问题,提出了融合标签结构的层级标签文本分类模型(Label Hierarchical and Semantic Structure Learning,LHSSL).LHSSL充分利用了标签语义结构与层级结构信息,通过共享参数的图卷积神经网络学习两种结构的相似特征.然后将标签特征与文本特征动态连接,构造标签模拟分布作为soft target.与不考虑标签信息直接使用LSTM、Bert和添加标签平滑后的LSTM、Bert相比,该模型在四个数据集上的准确率都有了 一定的提升.
文献关键词：
层级标签结构;文本分类;图卷积神经网络;标签分布
中图分类号：
作者姓名：
刘瀚锴;黄贤英;朱小飞;付朝燕
作者机构：
重庆理工大学 计算机科学与工程学院,重庆 巴南400054
文献出处：
引用格式：
[1]刘瀚锴;黄贤英;朱小飞;付朝燕-.融合标签层级结构的文本分类)[J].山西大学学报（自然科学版）,2022(02):284-293
A类：
LHSSL,层级标签结构
B类：
融合标签,层级结构,标签集,文本分类方法,编码器,文本特征,标签语义,分类模型,Label,Hierarchical,Semantic,Structure,Learning,语义结构,结构信息,共享参数,图卷积神经网络,神经网络学习,动态连接,soft,target,标签信息,Bert,加标签,标签平滑,标签分布
AB值：
0.364837
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
