典型文献
基于XLNet-BiGRU-Attention的行业分类方法
文献摘要：
企业所属行业对于国民经济统计、市场监督管理等领域具有重要作用.在现如今庞大的行业规模下,人工进行企业行业分类不但效率低下,而且可靠性不高.在行业划分规范中,企业所属行业由企业的经营范围描述而得.针对传统词向量加机器学习的方法难以有效融合企业经营范围上下文语义信息等问题,提出了一种XLNet-BiGRU-Attention的行业分类方法.该方法首先通过XLNet网络从企业经营范围文本中获取具有上下文特征信息的语义表征向量,其次构建基于双向门限循环神经网络和注意力机制的候选集生成网络来进一步提取企业经营范围上下文相关特征,再次通过构建键值对嵌入网络来进一步挖掘企业其他标签对于行业分类的提升效果,最后将融合后的特征向量输入到分类器完成企业行业分类.相较于其他基线分类方法,该方法能够取得更好的行业分类效果.消融实验结果表明:该方法所构建的候选集生成网络和键值对嵌入网络能够提升行业分类的性能.
文献关键词：
行业分类;XLNet;双向GRU;注意力机制;候选集生成;键值对
中图分类号：
作者姓名：
陈钢;佘祥荣;陈健鹏
作者机构：
长三角信息智能创新研究院,安徽 芜湖 241000
文献出处：
引用格式：
[1]陈钢;佘祥荣;陈健鹏-.基于XLNet-BiGRU-Attention的行业分类方法)[J].计算机技术与发展,2022(07):39-45
A类：
B类：
XLNet,BiGRU,Attention,行业分类,分类方法,经济统计,市场监督管理,现如今,行业规模,工进,行业划分,分规,经营范围,词向量,有效融合,企业经营,围上,上下文语义,语义信息,上下文特征信息,语义表征,门限循环神经网络,注意力机制,候选集生成,生成网络,键值对,入网,提升效果,特征向量,分类器,分类效果,消融实验
AB值：
0.314302
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。
