典型文献
ALBERT结合双向网络的文本分类
文献摘要：
针对目前多标签文本分类算法不能有效利用文本深层信息的缺陷,提出一种利用ALBERT模型进行文本深层信息的特征提取,使用双向LSTM网络进行特征训练,并结合注意力机制强化分类效果,完成分类的模型——ABAT模型.在百度发布的DuEE1.0数据集上进行实验,相对于各对比模型,该模型的各项性能均达到最优,Micro-Precision达到0.9625,Micro-F1达到0.9033,同时模型汉明损失下降到0.0023.实验结果表明,改进的ABAT模型能较好地完成多标签文本分类的任务.
文献关键词：
多标签;ALBERT预训练;双向网络;注意力机制
中图分类号：
作者姓名：
黄忠祥;李明
作者机构：
重庆师范大学计算机与信息科学学院,重庆 401331
文献出处：
引用格式：
[1]黄忠祥;李明-.ALBERT结合双向网络的文本分类)[J].计算机与现代化,2022(10):8-12,18
A类：
DuEE1
B类：
ALBERT,双向网络,多标签文本分类,分类算法,注意力机制,分类效果,ABAT,百度,对比模型,Micro,Precision,汉明,预训练
AB值：
0.272997
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。
