典型文献
基于超图注意力网络的生物医学文本分类方法
文献摘要：
[目的]融合标签语义信息,采用文本级超图和交叉注意力机制捕捉文献文本的组织结构及语义语法信息,提高生物医学领域的文本分类效果.[方法]使用经微调的BioBERT模型从生物医学领域文本中获取向量特征,构建文本级超图捕获文本的语序、语义及语法信息,通过提出的交叉注意力机制网络将文本级超图和标签语义信息进行特征融合实现文本分类任务.[结果]在数据集PM-Sentence数据集上的实验结果表明,所提模型相较于基线模型在综合评价Fl指标上最大提高2.34个百分点.[局限]构建的数据集有待扩充,对所提模型用于该领域其他任务的适用性有待进一步研究.[结论]所提模型提升了生物医学文本的分类效果,为知识检索、知识挖掘等知识服务应用提供了有效支持.
文献关键词：
文本分类;文本级超图;交叉注意力机制;生物医学领域;标签信息融合
中图分类号：
作者姓名：
白思萌;牛振东;何慧;时恺泽;易坤;马原驰
作者机构：
北京理工大学计算机学院 北京100081;北京理工大学医学技术学院 北京100081;悉尼科技大学澳大利亚人工智能研究所 悉尼2007
文献出处：
引用格式：
[1]白思萌;牛振东;何慧;时恺泽;易坤;马原驰-.基于超图注意力网络的生物医学文本分类方法)[J].数据分析与知识发现,2022(11):13-24
A类：
文本级超图,BioBERT,标签信息融合
B类：
图注意力网络,医学文本,文本分类方法,融合标签,标签语义信息,交叉注意力机制,语义语法,生物医学领域,分类效果,微调,建文,语序,注意力机制网络,特征融合,分类任务,PM,Sentence,基线模型,Fl,百分点,知识检索,知识挖掘,知识服务,服务应用,有效支持
AB值：
0.261878
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。
