典型文献
标签指导的双注意力深度神经网络模型
文献摘要：
在数据集不包含标签文本信息时,现有的显式交互分类模型无法显式计算文本单词和标签之间的语义关系.针对此问题,文中提出标签指导的双注意力深度神经网络模型.首先,提出基于逆标签频次的自动类别标签描述生成方法,为每个标签生成特定的标签描述,用于显式计算文本单词与标签之间的语义关系.在此基础上,使用文本编码器学习具有上下文语境信息的评论文本表示,并提出标签指导的双注意力网络,分别学习基于自注意力的文本表示和基于标签注意力的文本表示.然后,使用自适应门控机制融合这两个文本表示,得到文本最终表示.最后,使用两层前馈神经网络作为分类器,进行情感分类.在3个公开的真实数据集上的实验表明,文中模型分类效果较优,可减少计算代价和训练时长.
文献关键词：
情感分类;标签描述生成;双注意力;自注意力;标签注意力
中图分类号：
作者姓名：
彭展望;朱小飞;郭嘉丰
作者机构：
重庆理工大学 计算机科学与工程学院 重庆400054;中国科学院计算技术研究所 网络数据科学与技术重点实验室 北京100190
文献出处：
引用格式：
[1]彭展望;朱小飞;郭嘉丰-.标签指导的双注意力深度神经网络模型)[J].模式识别与人工智能,2022(02):175-184
A类：
标签描述生成
B类：
双注意力,深度神经网络模型,文本信息,显式交互,分类模型,法显,单词,语义关系,生成方法,标签生成,成特定,文本编码,编码器,上下文语境,评论文本,文本表示,注意力网络,自注意力,标签注意力,自适应门控,门控机制,两层,前馈神经网络,分类器,情感分类,真实数据,模型分类,分类效果,少计
AB值：
0.326459
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。
