典型文献
基于ALBERT-TextCNN模型的多标签医疗文本分类方法
文献摘要：
针对现有Word2Vec和Glove等静态词向量表征方法无法解决文本完整语义的问题,结合ALBERT预训练语言模型和TextCNN卷积神经网络,提出一种用于多标签医疗文本分类的深层神经网络模型ALBERT-TextCNN.该模型采用ALBERT预训练语言模型进行动态字向量表示,通过其内部多层双向的Transfomer结构获取更高效的文本向量表达,并引入TextCNN卷积神经网络模型构造多标签分类器进行训练,提取不同抽象层次的语义信息特征.在中文健康问句数据集上进行算法性能测试,实验结果表明,该模型分类的整体F1值达到了90.5％,能有效提升医疗文本的多标签分类效果.
文献关键词：
ALBERT;TextCNN模型;多标签分类;医疗文本
中图分类号：
作者姓名：
郑承宇;王新;王婷;邓亚萍;尹甜甜
作者机构：
云南民族大学数学与计算机科学学院,云南 昆明650500
文献出处：
引用格式：
[1]郑承宇;王新;王婷;邓亚萍;尹甜甜-.基于ALBERT-TextCNN模型的多标签医疗文本分类方法)[J].山东大学学报（理学版）,2022(04):21-29
A类：
B类：
ALBERT,TextCNN,医疗文本,文本分类方法,Word2Vec,Glove,词向量,向量表征,表征方法,预训练语言模型,深层神经网络,字向量,向量表示,Transfomer,文本向量,向量表达,卷积神经网络模型,模型构造,多标签分类,分类器,抽象层次,语义信息,信息特征,健康问句,句数,算法性能,模型分类,分类效果
AB值：
0.36511
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。
