典型文献
融合注意力与CorNet的多标签文本分类
文献摘要：
传统的多标签文本分类算法往往只关注文本本身的信息,在挖掘标签间的关联信息过程中存在不足,很大程度上影响了模型的分类性能.为了充分利用标签信息捕获标签之间的依赖关系,提出一种融合注意力与CorNet的多标签文本分类算法.该算法针对文本内容编码部分,使用双向长短时记忆网络获得文本语义表示,通过多标签注意力机制捕获文本中的重要单词;同时,针对标签编码部分,利用图注意力网络捕获标签间的依赖关系,设计"文本-标签"注意力机制将其与文本上下文语义信息进行交互,获得基于标签语义信息的文本特征表示;最后,使用自适应融合机制将上述两部分融合,并通过CorNet模块学习标签相关性以增强标签预测.在AAPD、RCV1-V2和Reuters-21578数据集上的实验结果表明,所提出的算法能够有效捕获标签之间的依赖关系,其性能优于当前主流的多标签文本分类算法.
文献关键词：
多标签分类;标签依赖;图注意力网络;CorNet;注意力机制
中图分类号：
作者姓名：
邓维斌;王智莹;高荣壕;王国胤;胡峰
作者机构：
重庆邮电大学计算智能重庆市重点实验室,重庆 400065
文献出处：
引用格式：
[1]邓维斌;王智莹;高荣壕;王国胤;胡峰-.融合注意力与CorNet的多标签文本分类)[J].西北大学学报（自然科学版）,2022(05):824-833
A类：
CorNet,标签依赖
B类：
多标签文本分类,分类算法,注文,本本,联信,分类性能,标签信息,依赖关系,文本内容,内容编码,双向长短时记忆网络,文本语义表示,标签注意力机制,单词,图注意力网络,上下文语义,标签语义信息,文本特征表示,自适应融合,融合机制,学习标签,标签相关性,AAPD,RCV1,V2,Reuters,多标签分类
AB值：
0.281035
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。
