典型文献
基于标签嵌入注意力机制的多任务文本分类模型
文献摘要：
[目的]将文本分类算法根据不同分类任务的特征进行动态调整,使文本分类算法的性能与任务特征紧密相关.[方法]提出一种基于标签的注意力权重学习,通过标签嵌入的方法同时对文本语义的词向量和文本的TF-IDF分类矩阵进行学习,为文本中的单词赋予不同的权重提取与分类任务更相关的特征,改进文本的注意力权重学习.[结果]所提方法相比现有的LSTMAtt、LEAM和SelfAtt方法在准确率上平均提高了3.78％、5.43％和11.78％,并通过可视化结果分析验证所提方法的文本分类性能.[局限]未比较不同词向量表示对文本分类任务的性能影响.[结论]为多任务文本分类算法的设计提出了有效的改进和优化方案.
文献关键词：
文本分类;标签嵌入;注意力机制;多任务
中图分类号：
作者姓名：
徐月梅;樊祖薇;曹晗
作者机构：
北京外国语大学信息科学技术学院 北京100089;中国科学院信息工程研究所 北京100093;中国科学院大学网络空间安全学院 北京100049
文献出处：
引用格式：
[1]徐月梅;樊祖薇;曹晗-.基于标签嵌入注意力机制的多任务文本分类模型)[J].数据分析与知识发现,2022(02):105-116
A类：
LSTMAtt,LEAM,SelfAtt
B类：
标签嵌入,注意力机制,多任务,文本分类,分类模型,分类算法,分类任务,任务特征,注意力权重,权重学习,文本语义,词向量,TF,IDF,分类矩阵,单词,词赋,重提,分析验证,分类性能,向量表示
AB值：
0.314896
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。
